Formative Usability Testing of an Online Epilepsy Self-Management Tool Among Patients with Epilepsy (Preprint)
Notice bibliographique
Résumé
Background: Epilepsy is a serious chronic neurological condition with no permanent cure. Continual self-management is important to mitigate seizure frequency and optimize quality of life in people with epilepsy who have greater disparities in accessing epilepsy care. The Management Information & Decision Support Epilepsy Tool (MINDSET [UTHealth, University of Arizona, and Radiant Digital]) was developed to enhance accessibility to epilepsy self-management (ESM) assessment and treatment. The purpose of this formative usability pilot study was to assess the user experience and functionality of MINDSET 2.0, an enhanced cross-platform online version of MINDSET, among a sample of patients with epilepsy prior to feasibility testing within neurology clinic settings. Methods: MINDSET 2.0 comprised an updated cross-platform architecture for easier accessibility and added quality of life, cognitive function, and social determinants assessments. User experience and functionality were assessed in January 2022. Six patients with epilepsy in Texas (n=4) and Arizona (n=2) participated in individual online usability sessions, completing a sociodemographic survey, accessing all components of MINDSET, and then completing usability rating scales and an exit interview. Logical inconsistencies in embedded algorithms were examined for the usability sample and in user case challenges to ensure functional fidelity. Results: Patients reported low adherence to ESM behaviors in each of the management domains. More than 80% of patients agreed that MINDSET 2.0 was acceptable, easy to use, likable, credible, of appropriate duration, and motivationally appealing. Patients agreed that the program helped them think about and manage their epilepsy more carefully, and that it improved decision-making between them and their health care providers (100%). Patients provided lower ratings (≤50%) and reported the greatest number of difficulties with their understanding of how to select goals and strategies, and develop an action plan due to constraints of item response options leading to user confusion. An inconsistency in algorithm branched logic was identified that related to translating depression scores into recommendations for depression self-management programming. Conclusions: The results replicated usability findings from earlier versions of MINDSET but also catalyzed adjustments to user survey response options and algorithm repair. The value of the formative user experience functionality assessment was demonstrated to ensure a high-fidelity program prior to feasibility testing in neurology clinic settings.
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.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Qualitatif | low |
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 | 0,028 | 0,091 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».