DOI: https://doi.org/10.2196/58556
PMID: https://pubmed.ncbi.nlm.nih.gov/40279501
تاريخ النشر: 2025-02-26
المؤلف: Sumudu Avanthi Hewage وآخرون
الموضوع الرئيسي: الصحة المتنقلة وتطبيقات الصحة المتنقلة
نظرة عامة
يتناول القسم المعنون “تفضيلات ميزات تطبيقات الهواتف المحمولة في أمراض القلب الخلقية” الوظائف والخصائص المحددة التي يفضلها المستخدمون في التطبيقات المحمولة المصممة لإدارة أمراض القلب الخلقية (CHD). تحدد الأبحاث الميزات الرئيسية التي تعزز من تفاعل المستخدم ورضاه، مثل تتبع الصحة الشخصية، والموارد التعليمية، وأدوات الاتصال لمقدمي الرعاية الصحية.
تشير النتائج إلى أن المستخدمين يقدرون التطبيقات التي لا تسهل فقط إدارة حالتهم بأنفسهم، ولكن أيضًا تعزز من شعور المجتمع والدعم بين المرضى. بالإضافة إلى ذلك، تسلط الدراسة الضوء على أهمية واجهات المستخدم السهلة الاستخدام وإمكانية الوصول، مما يشير إلى أن هذه العناصر تؤثر بشكل كبير على اعتماد واستخدام تطبيقات الصحة المحمولة في مجتمع أمراض القلب الخلقية. بشكل عام، تؤكد الأبحاث على ضرورة توافق ميزات التطبيق مع تفضيلات المستخدمين لتحسين النتائج الصحية وتجربة المستخدم.
مقدمة
ت outlines مقدمة ورقة البحث منهجية اختيار السمات والمستويات ذات الصلة بميزات تطبيقات الهواتف المحمولة لإدارة أمراض القلب المزمنة (CHD). يوضح المؤلفون نهجًا متعدد المراحل، يبدأ بالمرحلة 1، التي تتضمن اشتقاق قائمة شاملة من السمات من خلال مراجعات الأدبيات، والمقابلات، ومجموعات التركيز، ومدخلات الخبراء. ينتهي ذلك باختيار نهائي للسمات، التي يتم تنظيمها بعد ذلك في تصميم تجريبي لتجارب الاختيار المنفصلة (DCE). يتضمن التصميم اعتبارات لعدد البدائل لكل مجموعة اختيار، والتسمية، وخيارات الاستجابة المختلفة، مثل الاختيار الإجباري وسيناريوهات الانسحاب.
في المرحلة 2، يصف المؤلفون هيكل التصميم التجريبي، بما في ذلك تحديد التأثيرات الرئيسية والتفاعلات من الدرجة الأعلى، بالإضافة إلى الطرق المستخدمة لضمان القوة، مثل استخدام أولويات غير معلوماتية. يتم تحسين تصميم الاستطلاع بشكل أكبر من خلال الاختبار التجريبي، الذي يقيم عوامل مثل فهم المستجيبين والعبء. أخيرًا، تركز المرحلة 3 على جمع البيانات وتحليلها، موضحة خصائص المستجيبين، وتحديد حجم العينة، والأساليب الإحصائية المستخدمة لتحليل تفضيلات ميزات تطبيقات الهواتف المحمولة. تمهد المقدمة الطريق لاستكشاف شامل لتفضيلات المستخدمين في تطبيقات الصحة المحمولة، مع التأكيد على أهمية الدقة المنهجية في التقاط هذه التفضيلات بشكل فعال.
مناقشة
في هذا القسم، يناقش المؤلفون التصميم التجريبي والنتائج من استطلاعين تجريبيين يهدفان إلى تقدير حجم العينة المطلوب لتقييم مختلف سمات تطبيق الصحة المحمولة. أشار الاستطلاع التجريبي الأول، الذي استخدم تصميمًا تجريبيًا مع 16 صفًا، إلى تقدير متوسط قدره $S_b = 4760$ لخاصية “التعليم الصحي” عند المستوى 2، مما يبرز عدم اليقين الكبير ما لم يتم تحقيق حجم عينة أكبر. نظرًا لقيود الجدوى، تم إجراء استطلاع ثانٍ مع 34 مستجيبًا، مما أسفر عن تقدير متوسط محسّن قدره $S_b > 7200$ لخاصية “الكتابة”، ولكن لا يزال يشير إلى مشاكل مشابهة من عدم اليقين. وبالتالي، تم دمج مجموعات البيانات من كلا الاستطلاعين، وعلى الرغم من التحسينات في مقاييس الكفاءة، ظل التقدير المتوسط فوق 1000 لواحدة من مستويات السمة.
لتحسين التصميم التجريبي، قام المؤلفون بتقييم خطأ D عبر تصاميم مختلفة باستخدام أولويات بايزي ثابتة. تم اختيار التصميم المستمد من مجموعة البيانات المدمجة في النهاية بسبب أدنى خطأ D له وهو 0.25. شمل التحليل مقارنة مقاييس الكفاءة عبر تصاميم مختلفة، مما كشف عن تباينات كبيرة في الأداء. تؤكد النتائج على التحديات في تحقيق تقديرات ذات دلالة إحصائية في الأبحاث المتعلقة بالصحة وأهمية اختيار التصميم بعناية لتعزيز موثوقية البيانات.
DOI: https://doi.org/10.2196/58556
PMID: https://pubmed.ncbi.nlm.nih.gov/40279501
Publication Date: 2025-02-26
Author(s): Sumudu Avanthi Hewage et al.
Primary Topic: Mobile Health and mHealth Applications
Overview
The section titled “Preferences for mobile app features in CHD” discusses the specific functionalities and characteristics that users prioritize in mobile applications designed for managing Congenital Heart Disease (CHD). The research identifies key features that enhance user engagement and satisfaction, such as personalized health tracking, educational resources, and communication tools for healthcare providers.
The findings indicate that users value apps that not only facilitate self-management of their condition but also foster a sense of community and support among patients. Additionally, the study highlights the importance of user-friendly interfaces and accessibility, suggesting that these elements significantly influence the adoption and sustained use of mobile health applications in the CHD population. Overall, the research underscores the necessity for developers to align app features with user preferences to improve health outcomes and user experience.
Introduction
The introduction of the research paper outlines the methodology for selecting attributes and levels relevant to mobile app features for chronic heart disease (CHD) management. The authors detail a multi-phase approach, beginning with Phase 1, which involves deriving a comprehensive list of attributes through literature reviews, interviews, focus groups, and expert input. This culminates in a final selection of attributes, which are subsequently organized into an experimental design for discrete choice experiments (DCE). The design includes considerations for the number of alternatives per choice set, labeling, and various response options, such as forced choice and opt-out scenarios.
In Phase 2, the authors describe the experimental design’s structure, including the identification of main effects and higher-order interactions, as well as the methods used to ensure robustness, such as the use of uninformative priors. The survey design is further refined through pilot testing, which assesses factors like respondent understanding and burden. Finally, Phase 3 focuses on data collection and analysis, detailing respondent characteristics, sample size determination, and the statistical methods employed to analyze preferences for mobile app features. The introduction sets the stage for a comprehensive exploration of user preferences in mobile health applications, emphasizing the importance of methodological rigor in capturing these preferences effectively.
Discussion
In this section, the authors discuss the experimental design and results from two pilot surveys aimed at estimating the required sample size for assessing various attributes of a mobile health application. The first pilot survey, which utilized an experimental design with 16 rows, indicated a mean estimate of $S_b = 4760$ for the ‘Health Education’ attribute at level 2, highlighting significant uncertainty unless a larger sample size was achieved. Due to feasibility constraints, a second pilot with 34 respondents was conducted, yielding an improved mean estimate of $S_b > 7200$ for the ‘Typing’ attribute, but still indicating similar issues of uncertainty. Consequently, the datasets from both pilots were combined, and despite improvements in efficiency measures, the mean estimate remained above 1000 for one attribute-level.
To optimize the experimental design, the authors evaluated the D-error across various designs using consistent Bayesian priors. The design derived from the combined dataset was ultimately selected due to its lowest D-error of 0.25. The analysis included a comparison of efficiency measures across different designs, revealing significant variations in performance. The results underscore the challenges of achieving statistically significant estimates in health-related research and the importance of careful design selection to enhance data reliability.