MétaCan
Menu
Retour à la cohorte
Enregistrement W7160083374 · doi:10.2196/84857

The Development and Usability Testing of the “OA Coach” Mobile Application to Support Individuals with Osteoarthritis: A Feasibility Study (Preprint)

2025· article· en· W7160083374 sur OpenAlexvenueno aff
Vicky Duong, Naomi Bloul, Jocelyn Bowden, Karen Bracken, Kate Bryce, Leticia Deveza, Jillian Eyles, Abdolhay Farivar, Robin Huang, Sarah Kobayashi, Na Liu, Carin Pratt, C Strong, Venkatesha Venkatesha, Shirley Yu, David J Hunter

Notice bibliographique

RevueJMIR Human Factors · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésUsabilityMobile deviceProcess (computing)Key (lock)User interface

Résumé

récupéré en direct d'OpenAlex

Background: The OA Coach mobile app was developed to support individuals with knee osteoarthritis in self-managing their condition. The app aims to fill a current gap in the osteoarthritis mobile app field by combining key features such as symptom tracking, objective activity tracking, educational modules, and encouragement notifications underpinned by behavior change theory. Objective: The aim of this study was to describe the development of the OA Coach mobile app and assess its usability in a 6-week feasibility study. Methods: The app was designed in consultation with consumers, rheumatologists, physiotherapists, and osteoarthritis researchers. The app prototype contained four screens: (1) a home screen to track goals and activities, (2) a progress page, (3) a learning page with self-directed modules, and (4) an inbox for communication with the study team. For the feasibility study, 30 participants were recruited between March and April 2024 from a database of osteoarthritis trial participants or through the Osteoarthritis Chronic Care Program at Royal North Shore Hospital, Sydney, Australia. Participants were eligible if they were aged 45 years or older, had knee pain ≥4 on an 11-point numerical pain rating scale and knee stiffness lasting <30 minutes in duration, or stiffness >30 minutes and diagnosed with knee osteoarthritis through a health care provider or radiographs. Participants were provided access to the app and asked to interact with it daily for 6 weeks. Outcomes were assessed through online questionnaires or through mobile app data. The primary outcome was usability, assessed using the mHealth App Usability Questionnaire (MAUQ). Secondary outcomes included computer self-efficacy and osteoarthritis knowledge. The quantitative data were summarized descriptively. Qualitative feedback was collected through open-ended survey responses and discussed within the research team to improve the app. Results: A total of 30 participants completed the study. There was a 1:1 ratio of male to female participants, with an average age of 66.9 (SD 9.1) years and a mean pain level of 6.0 (IQR 5.0-6.8) on an 11-point numerical pain rating scale. Twenty-nine responses from the MAUQ were available for analysis. Most statements scored >5 out of 7 ("somewhat agree"), indicating that the app was easy to use. The mean satisfaction score for the app on the MAUQ was 4.7 (SD 2.0) out of 7. Qualitative feedback from participants indicated the need for clear instructions on how to use and navigate the app, improved structure and integration of the exercise program, and improved tailoring of osteoarthritis education and support. Conclusions: Overall, the OA Coach app was well accepted by participants. Based on participant feedback, the app will be revised to improve aspects of clarity, ease of use, and personalization. The updated app will be tested against other methods of care delivery in a randomized controlled trial.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaaucune catégorie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Observationnellow
gptaucune catégorie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Autre devishigh
modèles en désaccordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,061

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,019
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,063
Tête enseignante GPT0,428
Écart entre enseignants0,365 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Étiqueté directement par 2 modèles lisant le dossier complet.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.

Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.

Devis d'étudeObservationnel · Autre devis
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueJMIR Human FactorsMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207