Initial development of Supportive care Assessment, Prioritization and Recommendations for Kids (SPARK), a symptom screening and management application
Notice bibliographique
Résumé
BACKGROUND: We developed Supportive care Prioritization, Assessment and Recommendations for Kids (SPARK), a web-based application designed to facilitate symptom screening by children receiving cancer treatments and access to supportive care clinical practice guidelines primarily by healthcare providers. The objective was to describe the initial development and evaluation of SPARK from the perspective of children. IMPLEMENTATION: Development and evaluation occurred in three phases: (1) low fidelity focused on functionality, (2) design focused on "look and feel" and (3) high fidelity confirmed functionality and design. Cognitive interviews were conducted with children receiving cancer treatments 8-18 years of age. Evaluation occurred after every five interviews and changes were guided by a Review Panel. Quantitative evaluation included SPARK ease of use and understandability of SPARK reports. RESULTS: The number of children included by phase were: low fidelity (n = 30), design (n = 30) and high fidelity (n = 30). Across phases, the median age was 13.2 (range 8.5 to 18.4) years. During low-fidelity and design phases, iterative refinements to SPARK improved website navigation, usability and likability from the perspective of children and established symptom report design. Among the last 10 children enrolled to high-fidelity testing, all (100%) understood how to complete symptom screening, access reports and interpret reports. Among these 10 respondents, all (100%) found SPARK easy to use and 9 (90%) found SPARK reports were easy to understand. CONCLUSIONS: SPARK is a web-based application which is usable and understandable, and it is now appropriate to use for research. Future efforts will focus on clinical implementation of SPARK.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».