Patients’ and Health Care Providers’ Opinions on a Supportive Health App During Breast Cancer Treatment: A Qualitative Evaluation
Notice bibliographique
Résumé
BACKGROUND: Health apps are increasingly being used in clinical care and may hold significant theoretical potential. However, they are often implemented in clinical care before any research has been done to confirm actual benefits for patients, physicians, and researchers. OBJECTIVE: This study aimed to explore experiences of patients and health care providers with the use of a supportive breast cancer app during the first 6 months following diagnosis, in terms of benefits for clinical practice and research purposes. METHODS: Between June 2013 and April 2014, breast cancer patients of all ages were invited shortly after diagnosis to use a supportive breast cancer app, and were followed for 6 months. Patients were asked to use the app at their own convenience. In-depth interviews were conducted regularly with patients and their medical team (ie, physicians and nurses) to evaluate their experiences. RESULTS: A total of 15 patients aged 30-63 years participated. The medical team consisted of 7 physicians and 3 specialized breast cancer nurses. Out of the 15 patients, 12 (80%) used the app to obtain information on breast cancer and treatment. A total of 11 out of 12 patients (92%) evaluated this information as useful. All 15 patients used the app to record consultations with practitioners, and 14 (93%) found this useful. Symptom registration was used by 8 out of 15 patients (53%), and was found useful by 4 out of these 8 patients (50%). Overall, 14 out of 15 patients (93%) would recommend the app to other patients. The app, in particular the recording function, was rated as useful by 9 out of 10 medical professionals (90%), and they reported that it did not increase consultation time. These 9 professionals would recommend the app to their patients. CONCLUSIONS: This evaluation of a supportive health app shows positive experiences among patients and their medical teams. Based on experiences in this study, patients may need to be actively encouraged to regularly register symptoms within health apps to generate sufficient patient-reported app data for use in clinical practice and scientific research.
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 | 0,024 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».