The Digital Heartbeat: A Qualitative Descriptive Study on Women’s Views of Xi-Care in Preventive Cardiovascular Diseases in Primary Care
Notice bibliographique
Résumé
Contexte: À l'échelle mondiale, une femme décède d'une maladie cardiovasculaire (MCVs) toutes les 20 minutes. Ces affections, sources importantes de préoccupations pour la santé publique, de tensions économiques et de problématiques en médecine familiale, sont souvent diagnostiquées chez les femmes plus tardivement que chez les hommes, ce qui fait manquer des occasions cruciales de prévention. Malgré les progrès technologiques, il existe une lacune remarquable dans l'utilisation des technologies de santé numérique pour la prévention primaire chez les femmes. Il est donc crucial de s'attaquer à ce problème avec des stratégies de prévention spécifiques au genre, particulièrement dans les contextes de soins de santé primaires.Objectifs: Cette recherche, intégrée à une initiative financée par les IRSC, vise à lutter contre les MCVs chez les femmes à l'aide de l'outil IA Xi-Care. L'étude se concentre sur (i) l'évaluation des perceptions des femmes concernant les MCVs et les outils numériques de prévention, et (ii) l'identification des caractéristiques clés pour l'outil IA Xi-Care afin de contribuer à la prévention des conditions cardiovasculaires.Méthodologie: Une méthode qualitative descriptive avec des entretiens semi-structurés a été utilisée, ciblant 15 femmes de plus de 40 ans au Québec, à haut risque de MCVs. Ces participantes anglophones, présentant au moins un facteur de risque de MCVs, ont été recrutées au sein de la communauté et d'une clinique affiliée à McGill. Les données ont été analysées en utilisant une approche thématique inductive.Résultats: La sensibilisation des femmes aux MCVs et aux outils de prévention par IA est faible ; elles associent souvent les MCVs à des épisodes aigus plutôt qu'à leur spectre plus large. Cependant, il existe une attitude proactive envers la santé cardiaque, avec un désir pour des outils éducatifs et de prise de décision adaptés à leurs besoins. Les participantes ont accueilli Xi-Care avec enthousiasme, soulignant l'importance de la personnalisation et de fonctionnalités telles que le suivi des données de santé.Discussion: Malgré la prévalence des MCVs, il existe un écart significatif dans la connaissance des femmes, notamment dans la compréhension de la nature chronique de ces maladies et de leurs manifestations diverses. La compréhension limitée des MCVs par les femmes met en lumière l'urgence de stratégies éducatives complètes qui abordent la prévention et les implications plus larges de vivre avec des MCVs. L'enthousiasme pour Xi-Care témoigne d'une volonté chez les femmes d'adopter des innovations numériques dans leur parcours de santé, à condition que ces outils soient adaptés à leurs besoins linguistiques, culturels et de santé individuels. Dans l'ensemble, cette étude souligne que Xi-Care, avec son potentiel de personnalisation et d'engagement interactif, pourrait améliorer la prévention primaire des maladies cardiovasculaires chez les femmes. Et cela offrira des perspectives pour les prochaines phases du projet, qui conduiront finalement au développement de Xi-Care
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
Prédiction machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,006 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».