MétaCan
Menu
Retour à la cohorte
Enregistrement W2899013919 · doi:10.2196/10932

Usability Evaluation of a Mobile Phone–Based System for Remote Monitoring and Management of Chemotherapy-Related Side Effects in Cancer Patients: Mixed-Methods Study

2018· article· en· W2899013919 sur OpenAlexaffvenueabout
Saeed Moradian, Monika K. Krzyzanowska, Roma Maguire, Plinio Pelegrini Morita, Vishal Kukreti, Jonathan Avery, Geoffrey Liu, Joseph A Cafazzo, Doris Howell

Notice bibliographique

RevueJMIR Cancer · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer survivorship and care
Établissements canadiensPrincess Margaret Cancer CentrePublic Health OntarioUniversity of WaterlooUniversity of TorontoUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésUsabilityThematic analysiseHealthmHealthMobile phoneMedicineTest (biology)User experience designApplied psychologyQualitative researchPsychologyMedical educationHealth careNursingComputer scienceHuman–computer interaction

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: As most chemotherapy is administered in the outpatient setting, patients are required to manage related side effects at home without direct support from health professionals. The Advanced Symptom Management System (ASyMS) has been developed to facilitate the remote monitoring and management of chemotherapy-related toxicity in patients with cancer, using patient-reported outcomes questionnaires and a clinician alerting system. OBJECTIVE: This study aims to evaluate the usability of the ASyMS, a mobile phone-based technology, from the perspective of Canadian patients with cancer receiving chemotherapy to identify existing design, functionality, and usability issues and elicit their views, experiences, and satisfaction with the ASyMS. METHODS: We used a mixed-method approach to data collection with user-based testing, a think-aloud technique, semistructured interviews, and short answer questionnaires with a purposive sample of 10 patients with cancer. Participants attended usability testing sessions at the Centre for Global eHealth Innovation, University Health Network, and performed specific tasks on the ASyMS device. The test was videorecorded and each task was timed during the test. After the usability sessions, participants completed a posttest questionnaire and participated in a semistructured qualitative interview. A thematic analysis was used to code and categorize the identified issues into themes that summarized the type and frequency of occurrence. RESULTS: The thematic analysis generated 3 overarching themes as follows: ASyMS user-friendliness; usefulness of ASyMS (content quality and richness); and intention to use. Results from the posttest questionnaire indicated that 80% (8/10) of participants had great motivation to use the ASyMS, 70% (7/10) had positive perceptions of the successful use of the ASyMS, and all (10/10, 100%) had a positive attitude toward using the ASyMS in the future. Most identified design and functionality issues were related to the navigation of the ASyMS device and a desire for a more attractive design with advanced functionality and features. The main general design recommendations were as follows: enhance the readability of the screen; implement advance options (eg, search option); and support better navigation. CONCLUSIONS: The ASyMS has shown positive perceptions of patients in usability testing and qualitative interviews. An evaluation of the effects of the ASyMS on symptom outcomes in a clinical trial is needed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,024
score de la tête « metaresearch » (Gemma)0,034
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,127

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0240,034
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,024
Tête enseignante GPT0,411
Écart entre enseignants0,387 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations66
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJMIR CancerMême sujetCancer survivorship and careTravaux en français237 207