Designing and Testing Apps to Support Patients With Cancer: Looking to Behavioral Science to Lead the Way
Notice bibliographique
Résumé
BACKGROUND: Behavioral science has a long and strong tradition of rigorous experimental and applied methodologies, which have produced several influential and far-reaching theoretical frameworks and have guided countless inquiries of human behavior in various contexts. In cancer care, behavioral scientists have established a firm foundation of research focused on understanding the experience of cancer and using that understanding to design and implement theory- and evidenced-based interventions to help patients cope with the cancer experience. Given the rich behavioral research base in oncology, behavioral scientists are ideally positioned to lead the integration of evidence-based science on behavior and behavior change into the development of smartphone apps supporting patients with cancer. Smartphone apps are being disseminated to patients with cancer with claims of being able to help them negotiate areas of vulnerability in their cancer experience. However, the vast majority of these apps are developed without the rigor and expertise of behavioral scientists. OBJECTIVE: In this article, we have illustrated the importance of behavioral science leading the development and evaluation of apps to support patients with cancer by providing an illustrative scientific process that our team of behavioral scientists, patient stakeholders, medical oncologists, and software developers used to empirically design and evaluate 2 patient-focused apps: the Discussion of Cost App (DISCO App) and MyPatientPal. METHODS: Using a focused literature review and a descriptive roadmap of our team's process for designing and evaluating patient-focused behavioral apps for patients with cancer, we have demonstrated how behavioral scientists are integral to the development of empirically sound apps to help support patients with cancer. Specifically, we have illustrated the process by which our multidisciplinary team combined the established user-centered design principles and behavioral science theory and scientific rigor to design and evaluate 2 patient-focused apps. RESULTS: On the basis of initial acceptability and feasibility testing among patients and providers, our team has demonstrated how critical behavioral science is for designing and evaluating app-based interventions for patients with cancer. CONCLUSIONS: Behavioral science can and should be coupled with user-centered design principles to provide theoretical guidance and the rigor of the scientific method, thereby adding the much-needed and critical evidence for these types of app-based interventions for patients with cancer.
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 | 0,205 | 0,339 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,008 | 0,004 |
| Études des sciences et des technologies | 0,006 | 0,014 |
| Communication savante | 0,014 | 0,020 |
| Science ouverte | 0,005 | 0,009 |
| Intégrité de la recherche | 0,008 | 0,016 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».