EHealth Acceptance and New Media Preferences for Therapy Assistance Among Breast Cancer Patients
Notice bibliographique
Résumé
BACKGROUND: Electronic health (eHealth) and mobile communication-based health care (mHealth) applications have been increasingly utilized in medicine over the last decade, and have facilitated improved adherence to therapy regimens in patients with chronic conditions. Due to the long duration of breast cancer therapy, and the long course of disease in metastatic breast cancer, a need for more intensified physician-patient communication has emerged. Various support mechanisms, including new media such as mHealth and eHealth, have been proposed for this purpose. OBJECTIVE: The aim of this study was to analyze the correlation between sociodemographic factors, as well as health status of breast cancer patients, and their current utilization of new media, or their willingness to use Internet and mobile phone apps for improvement of therapy management. METHODS: The survey for this study was conducted anonymously during the 2012 Mamazone Projekt Diplompatient meeting (Augsburg, Germany), which hosted approximately 375 participants per day. A total of 168 questionnaires were completed. The questionnaire aimed to assess sociodemographic status, disease patterns, and current use of new media (ie, Internet, mobile phone, and mobile phone apps) in breast cancer patients. Habits and frequency of use for these new technologies, as well as patients' affinity towards eHealth and mHealth tools for therapy management improvement, were investigated. RESULTS: Almost all participants used the Internet (95.8%, 161/168), with 91.5% (151/165) also utilizing this technology for health-related issues. Approximately 23% (38/168) of respondents owned a mobile phone. When asked about their preferences for therapy assistance, 67.3% (113/168) of respondents were interested in assistance via the Internet, 25.0% (42/168) via mobile phone, and 73.2% (123/168) via call center. Patients diagnosed with breast cancer <5 years before the survey were significantly more interested in a call center than patients diagnosed >5 years before survey participation. CONCLUSIONS: The vast majority of breast cancer patients accept the Internet for therapy assistance, which indicates that eHealth is a promising medium to improve patient-physician communication. Such technologies may improve individual disease management and ultimately lead to an enhanced adherence to therapy regimens.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».