MétaCan
Menu
Retour à la cohorte
Enregistrement W2888041916 · doi:10.2196/11058

Exploring the Needs of Adolescents With Sickle Cell Disease to Inform a Digital Self-Management and Transitional Care Program: Qualitative Study

2018· article· en· W2888041916 sur OpenAlexaffvenue
Yalinie Kulandaivelu, Chitra Lalloo, Richard Ward, William T. Zempsky, Melanie Kirby‐Allen, Vicky R. Breakey, Isaac Odame, Fiona Campbell, Khush Amaria, Ewurabena Simpson, Cynthia Nguyen, Tessy George, Jennifer Stinson

Notice bibliographique

RevueJMIR Pediatrics and Parenting · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueHemoglobinopathies and Related Disorders
Établissements canadiensUniversity of OttawaMcMaster UniversityMcMaster Children's HospitalUniversity of TorontoSickKids FoundationUniversity Health NetworkChildren's Hospital of Eastern OntarioInstitute for Clinical Evaluative SciencesHospital for Sick Children
Organismes subventionnairesnon disponible
Mots-clésPsychological interventionSelf-managementDisease managementDiseaseHealth careMedicineQuality of life (healthcare)PhonePopulationQualitative researchGerontologyNursingPsychologyFamily medicineEnvironmental healthComputer sciencePathology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Accessible self-management interventions are critical for adolescents with sickle cell disease to better cope with their disease, improve health outcomes and health-related quality of life, and promote successful transition to adult health care services. However, very few comprehensive self-management and transitional care programs have been developed and tested in this population. Internet and mobile phone technologies can improve accessibility and acceptability of interventions to promote disease self-management in adolescents with sickle cell disease. OBJECTIVE: The aim of this study was to qualitatively explore the following from the perspectives of adolescents, parents, and their health care providers: (1) the impact of sickle cell disease on adolescents to identify challenges to their self-management and transitional care and (2) determine the essential components of a digital self-management and transitional care program as the first phase to inform its development. METHODS: A qualitative descriptive design utilizing audio-recorded, semistructured interviews was used. Adolescents (n=19, aged 12-19 years) and parents (n=2) participated in individual interviews, and health care providers (n=17) participated in focus group discussions and were recruited from an urban tertiary care pediatric hospital. Audio-recorded data were transcribed verbatim and organized into categories inductively, reflecting emerging themes using simple content analysis. RESULTS: Data were categorized into 4 major themes: (1) impact of sickle cell disease, (2) experiences and challenges of self-management, (3) recommendations for self-management and transitional care, and (4) perceptions about a digital self-management program. Themes included subcategories and the perspectives of adolescents, parents, and health care providers. Adolescents discussed more issues related to self-management, whereas health care providers and parents discussed issues related to transition to adult health services. CONCLUSIONS: Adolescents, parents, and health care providers described the continued challenges youth with sickle cell disease face in terms of psychosocial impacts and stigmatization. Participants perceived a benefit to alleviating some of these challenges through a digital self-management tool. They recommended that an effective digital self-management program should provide appropriate sickle cell disease-related education; guidance on developing self-advocacy and communication skills; empower adolescents with information for planning for their future; provide options for social support; and be designed to be engaging for both adolescents and parents to use. A digital platform to deliver these elements is an accessible and acceptable way to address the self-management and transitional care needs of adolescents.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,221
Score d'incertitude au seuil0,286

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,287
Écart entre enseignants0,265 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations38
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJMIR Pediatrics and ParentingMême sujetHemoglobinopathies and Related DisordersTravaux en français237 207