Binnen studie 3 van het Power4FitFoot project zijn er interviews afgenomen bij tien experts in de gepersonaliseerde eHealth om in kaart te brengen op welke manieren eHealth technologieen (en dus Early Warning Systems) gepersonaliseerd kunnen worden. Op basis hiervan is een model ontwikkeld (zie onderstaande afbeelding) met daarin een overzicht van variabelen die betrekking hebben op de manier waarop personalisatie toegepast kan worden. Al met al stelden we vast dat variabiliteit en technologische mogelijkheden bepalen of en hoe personalisatie moet worden toegepast op eHealth-technologieën. In figuur 1 illustreren we hoe deze variabelen volgens de deelnemers aan elkaar gerelateerd kunnen zijn. Variabiliteit in segmentatievariabelen (gezien op de Y-as) kan interindividueel verschillen (zoals verschillen in geboorteland), intra-individueel (zoals veranderingen in emoties), of zowel intra- als interindividueel (bijvoorbeeld een combinatie van emoties en geboorteland). Bovendien bepalen technologische mogelijkheden (X-as) welke personalisatiestrategie kan worden toegepast. Technologie met hoge mogelijkheden, zoals VR, maakt bijvoorbeeld aanpassingen mogelijk op het gebied van channeling, tekstuele inhoud, grafische aspecten, functionaliteiten en gedragsveranderingsstrategieën, terwijl een op sms gebaseerde eHealth-technologie alleen kan worden aangepast op tekstuele inhoud, channeling en gedragsveranderingsstrategie. Het gebied onder de blauwe lijn geeft het gebied weer waarin er een discrepantie is tussen segmentatievariabiliteit en technologische mogelijkheden, wat kan resulteren in ineffectief toegepaste personalisatie in eHealth-technologieën. Sterren staan voor de gewenste combinatie van segmentatie- en personalisatie die volgens de deelnemers idealiter op hetzelfde niveau liggen. Dit betekent dat lage segmentatie moet worden gecombineerd met lage aanpassingen en andersom. Deze informatie zal worden gebruikt bij het ontwikkelen van het Early Warning System binnen het Power4FitFoot project. Het manuscript hierover is recentelijk ingediend bij een wetenschappelijk tijdschrift.
Figuur 1. Model met daarin een omschrijving van de manieren waarop personalisatie kan worden toegepast op eHealth technologieën
Als vervolg op deze studie is een literatuuronderzoek over gepersonaliseerde eHealth in de afrondingsfase. Hierbij wordt gekeken welke informatie van de gebruikers van eHealth technologieen nuttig is om de technologie aan te passen aan de gebruikers en op welke manieren technologieen aangepast kunnen worden. Updates over dit literatuuronderzoek worden in de toekomst op deze website geplaatst.
