Digital Interventions to Support Adolescents and Young Adults With Cancer: Systematic Review
Notice bibliographique
Résumé
BACKGROUND: The last decade has seen an increase in the number of digital health interventions designed to support adolescents and young adults (AYAs) with cancer. OBJECTIVE: The objective of this review was to identify, characterize, and fully assess the quality, feasibility, and efficacy of existing digital health interventions developed specifically for AYAs, aged between 13 and 39 years, living with or beyond a cancer diagnosis. METHODS: Searches were performed in PubMed, EMBASE, and Web of Science to identify digital health interventions designed specifically for AYA living with or beyond a cancer diagnosis. Data on the characteristics and outcomes of each intervention were synthesized. RESULTS: A total of 4731 intervention studies were identified through the searches; 38 interventions (43 research papers) met the inclusion criteria. Most (20/38, 53%) were website-based interventions. Most studies focused on symptom management and medication adherence (15, 39%), behavior change (15, 39%), self-care (8, 21%), and emotional health (7, 18%). Most digital health interventions included multiple automated and communicative functions such as enriched information environments, automated follow-up messages, and access to peer support. Where reported (20, 53% of studies), AYAs' subjective experience of using the digital platform was typically positive. The overall quality of the studies was found to be good (mean Quality Assessment Criteria for Evaluating Primary Research Papers from a Variety of Fields scores >68%). Some studies reported feasibility outcomes (uptake, acceptability, and attrition) but were not sufficiently powered to comment on intervention effects. CONCLUSIONS: Numerous digital interventions have been developed and designed to support young people living with and beyond a diagnosis of cancer. However, many of these interventions have yet to be deployed, implemented, and evaluated at scale.
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 | 0,006 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,005 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».