Optimizing Health Information Technologies for Symptom Management in Cancer Patients and Survivors: Usability Evaluation
Notice bibliographique
Résumé
BACKGROUND: Unmanaged cancer symptoms and treatment-related side effects can compromise long-term clinical outcomes and health-related quality of life. Health information technologies such as web-based platforms offer the possibility to supplement existing care and optimize symptom management. OBJECTIVE: This paper describes the development and usability of a web-based symptom management platform for cancer patients and survivors that will be implemented within a large health system. METHODS: A web-based symptom management platform was designed and evaluated via one-on-one usability testing sessions. The System Usability Scale (SUS), After Scenario Questionnaire (ASQ), and qualitative analysis of semistructured interviews were used to assess program usability. RESULTS: Ten cancer survivors and five cancer center staff members participated in usability testing sessions. The mean score on the SUS was 86.6 (SD 14.0), indicating above average usability. The mean score on the ASQ was 2.5 (SD 2.1), indicating relatively high satisfaction with the usability of the program. Qualitative analyses identified valued features of the program and recommendations for further improvements. CONCLUSIONS: Cancer survivors and oncology care providers reported high levels of acceptability and usability in the initial development of a web-based symptom management platform for cancer survivors. Future work will test the effectiveness of this web-based platform.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».