Longitudinal evaluation of Supportive care Prioritization, Assessment and Recommendations for Kids (SPARK), a symptom screening and management application
Notice bibliographique
Résumé
BACKGROUND: Supportive care Prioritization, Assessment and Recommendations for Kids (SPARK) is a web application focused on improving symptom control. It enables pediatric cancer and hematopoietic stem cell transplant (HSCT) patients to self-report and track symptoms, and allows healthcare professionals to access guidelines for symptom management. Objective was to determine the feasibility of longitudinal collection of symptom data. METHODS: In this longitudinal, single-armed feasibility study, respondents were children 8-18 years of age with cancer or pediatric HSCT recipients. Participants completed symptom reporting daily for 5 days. Cognitive interviews were conducted on day 5. Quantitative evaluation included SPARK ease of use and understandability of SPARK reports. Qualitative feedback on facilitators and barriers to daily symptom screening was solicited. Feasibility was defined as ≥75% of participants completing symptom screening on at least 60% of on-study days during the five-day study. RESULTS: Among the 30 children enrolled, the median number of days SSPedi was completed at least once was 5 (range 3 to 5). Overall, 28/29 (96.6%) thought completing symptom screening using SPARK was easy or very easy. All participants understood SPARK symptom reports. Severe symptoms was the most common barrier to daily reporting while an alarm reminder system was the most commonly identified facilitator. CONCLUSIONS: Daily completion of symptom screening using SPARK over 5 days was feasible in children aged 8 to 18 years with cancer and pediatric HSCT recipients. SPARK is now appropriate for use in randomized trials to evaluate the effect of symptom screening and symptom feedback.
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 ».