MétaCan
Menu
Retour à la cohorte
Enregistrement W2989569936 · doi:10.1200/jco.2019.37.31_suppl.27

A prototype mobile application to improve communication about symptom management.

2019· article· en· W2989569936 sur OpenAlex
Matthew Roger LeBlanc, Thomas W. LeBlanc, Sophia K. Smith

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJournal of Clinical Oncology · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHealth Education and Validation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineUsabilityDistressQuality of life (healthcare)PopulationFast trackIntervention (counseling)Emergency departmentPhysical therapyPsychiatryNursingClinical psychologySurgery

Résumé

récupéré en direct d'OpenAlex

27 Background: Cancer patients report many physical and emotional symptoms which can go unreported and underestimated resulting in unmet needs. Research suggests systematic collection of symptom data is associated with decreased emergency department use, increased quality of life, treatment toleration and overall survival. The multiple myeloma (MM) patient population is noted to have high symptom burden and represent an important target for intervention. This project aimed to develop a prototype app to facilitate MM patient/clinician communication about symptom management. Methods: 15 MM patients and 11 MM clinicians were interviewed to better understand patients’ symptom experience and management practices and preferences. Insights gained guided development of a prototype MM Coach mobile app. The think aloud protocol and cognitive interviewing were used to test usability and the prototype was iteratively refined. Results: Subjects highlighted a need for better symptom tracking over time, medication adherence tools, and real-time feedback to help patients self-manage symptoms. Our prototype app contains several modules designed to facilitate MM patient symptom management. 1) Track Symptoms; Using the Edmonton Symptom Assessment Scale patients track bothersome symptoms whenever they occur. 2) Track Medications; Patients can set up medication alerts and log medication use. 3) Track Mood; Patients record and track their distress level using the Distress Thermometer. 4) Relaxation Tools; This module contains a number of useful mind body activities such as guided imagery. 5) Get Support; Links to MM and non-MM related sources of support. 6) Prepare for Appointments; This module facilitates patients’ prioritizing issues to facilitate productive clinical encounters. 7) Insights; Patients and clinicians can review trends in symptom burden and medication adherence. 8) Learn; Educational content on topics relevant to MM symptoms such as pain, fatigue, depression. Conclusions: Our team is currently working with mobile app developers to build a version for the iOS AppStore and Android GooglePlay store. A pilot will be conducted to evaluate acceptability and feasibility in preparation for a clinical trial.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,924
Score d'incertitude au seuil0,732

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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.

Tête enseignante Opus0,119
Tête enseignante GPT0,572
Écart entre enseignants0,453 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle