MétaCan
Menu
Retour à la cohorte
Enregistrement W3034308358 · doi:10.2196/17742

Improving Adherence to Adjuvant Hormonal Therapy Among Disadvantaged Women Diagnosed with Breast Cancer in South Carolina: Proposal for a Multimethod Study

2020· article· en· W3034308358 sur OpenAlexvenueno aff
Tisha M. Felder, Sue P. Heiney, James R. Hébert, Daniela B. Friedman, Ronit Elk, Regina Franco, Lucy Gansauer, Barbara L. Christensen, Marvella E. Ford

Notice bibliographique

RevueJMIR Research Protocols · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueMedication Adherence and Compliance
Établissements canadiensnon disponible
Organismes subventionnairesNational Cancer InstituteHollings Cancer Center, Medical University of South CarolinaNational Institutes of HealthUniversity of South Carolina
Mots-clésMedicineBreast cancerHormonal therapyPsychological interventionAdjuvantHormone therapyDisadvantagedAdjuvant therapyOncologyCancerFamily medicineInternal medicineGynecologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Current clinical guidelines recommend that hormone receptor-positive breast cancer survivors take adjuvant hormonal therapy (AHT) for 5 to 10 years, following the end of definitive treatment. However, fewer than half of patients adhere to the guidelines, and suboptimal adherence to AHT is associated with an increased risk of breast cancer mortality. Research has extensively documented sociodemographic and disease-specific factors associated with adherence to AHT, but very little evidence exists on behavioral factors (eg, knowledge, patient-provider communication) that can be modified and targeted by interventions. OBJECTIVE: The goal of this study is to develop and test a theory-based, multilevel intervention to improve adherence to AHT among breast cancer survivors from racially and socioeconomically disadvantaged backgrounds (eg, Medicaid-insured). The specific aims are to (1) explore multilevel (eg, patient, health care system) factors that influence adherence to AHT; (2) develop a theory-based, multilevel intervention to improve adherence to AHT; and (3) pilot test and evaluate the intervention developed in Aim 2. METHODS: For Aim 1, we will recruit breast cancer survivors and health care professionals to participate in semistructured interviews to gain their perspectives about barriers and facilitators to AHT use. We will conduct a directed content analysis of the Aim 1 qualitative interview data. For Aim 2, we will integrate Aim 1 findings and current literature into the design of a multilevel intervention using an Intervention Mapping approach. For Aim 3, we will recruit Medicaid-insured breast cancer survivors to assess the feasibility of the pilot intervention. RESULTS: From May 2016 to July 2018, we completed interviews with 19 breast cancer survivors and 23 health care professionals in South Carolina. We will conduct a directed content analysis of the qualitative interview data. Results from this analysis will be used, in combination with current literature, to design (Aim 2) and pilot test a theory-based multilevel intervention (Aim 3) in Summer 2021. Results of the pilot are expected for Fall 2021. CONCLUSIONS: This study will provide a deeper understanding of how to improve adherence to AHT, using a novel and multilevel approach, among socioeconomically disadvantaged breast cancer survivors who often experience disproportionate breast cancer mortality. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): DERR1-10.2196/17742.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,093
score de la tête « metaresearch » (Gemma)0,085
Version: metacan-v3-hybrid-931329e0061cStatut 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: Protocole · Signal consensuel: aucune
Score de désaccord entre enseignants0,093
Score d'incertitude au seuil0,492

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0930,085
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,004
Bibliométrie0,0040,005
Études des sciences et des technologies0,0080,002
Communication savante0,0040,004
Science ouverte0,0040,009
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,233
Tête enseignante GPT0,534
Écart entre enseignants0,300 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreProtocole

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Research ProtocolsMême sujetMedication Adherence and ComplianceTravaux en français237 207