An Electronic Health Intervention for Latina Women Undergoing Breast Cancer Treatment (My Guide for Breast Cancer Treatment): Protocol for a Randomized Controlled Trial
Notice bibliographique
Résumé
BACKGROUND: Among Latinas and Hispanics (henceforth referred to as Latinas), breast cancer is the most commonly diagnosed cancer and the leading cause of cancer-related deaths. However, few interventions have been developed to meet the needs of Latina women undergoing active treatment for breast cancer. OBJECTIVE: This paper aims to describe the procedures and methods of My Guide for Breast Cancer Treatment and the plans for conducting a multisite randomized controlled trial to investigate the feasibility and preliminary efficacy of this smartphone-based app for Latina women in active treatment for breast cancer. METHODS: Study participants will be randomized to the My Guide for Breast Cancer Treatment intervention or the enhanced usual care control condition for 12 weeks. Participants will have access to innovative features such as gamification via virtual awards to reinforce usage and an adaptive section that presents targeted material based on their self-reported concerns and needs. Using a stepped-care approach, intervention participants will also receive telecoaching to enhance their adherence to the app. Study outcomes and intervention targets will be measured at study enrollment (before randomization), 6 and 12 weeks after initial app use. General and disease-specific health-related quality of life (HRQoL) and symptom burden are the study's primary outcomes, whereas anxiety, depression, fear of cancer recurrence, physical activity, and dietary intake are secondary outcomes. RESULTS: Recruitment began in August 2019 and is expected to be completed by August 2020. We expect to submit study results for publication by fall 2020. CONCLUSIONS: My Guide for Breast Cancer Treatment has the potential to improve HRQoL and reduce symptom burden, and increase access to supportive care resources among Latina breast cancer patients. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): PRR1-10.2196/14339.
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 | 0,032 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,003 |
| Méta-épidémiologie (sens large) | 0,009 | 0,005 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,008 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,110 | 0,016 |
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 ».