A prototype mobile application to improve communication about symptom management.
Notice bibliographique
Résumé
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.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,004 |
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 ».