Effects and Implementation of a Mindfulness and Relaxation App for Patients With Cancer: Mixed Methods Feasibility Study
Notice bibliographique
Résumé
BACKGROUND: Cancer diagnosis and cancer treatment can cause high levels of distress, which is often not sufficiently addressed in standard medical care. Therefore, a variety of supportive nonpharmacological treatments have been suggested to reduce distress in patients with cancer. However, not all patients use these interventions because of limited access or lack of awareness. To overcome these barriers, mobile health may be a promising way to deliver the respective supportive treatments. OBJECTIVE: The aim of this study is to evaluate the effects and implementation of a mindfulness and relaxation app intervention for patients with cancer as well as patients' adherence to such an intervention. METHODS: In this observational feasibility study with a mixed methods approach, patients with cancer were recruited through the web and through hospitals in Switzerland. All enrolled patients received access to a mindfulness and relaxation app. Patients completed self-reported outcomes (general health, health-related quality of life, anxiety, depression, distress, mindfulness, and fear of progression) at baseline and at weeks 4, 10, and 20. The frequency of app exercise usage was gathered directly through the app to assess the adherence of patients. In addition, we conducted interviews with 5 health professionals for their thoughts on the implementation of the app intervention in standard medical care. We analyzed patients' self-reported outcomes using linear mixed models (LMMs) and qualitative data with content analysis. RESULTS: A total of 100 patients with cancer (74 female) with a mean age of 53.2 years (SD 11.6) participated in the study, of which 25 patients used the app regularly until week 20. LMM analyses revealed improvements in anxiety (P=.04), distress (P<.001), fatigue (P=.01), sleep disturbance (P=.02), quality of life (P=.03), and mindfulness (P<.001) over the course of 20 weeks. Further LMM analyses revealed a larger improvement in distress (P<.001), a moderate improvement in anxiety (P=.001), and a larger improvement in depression (P=.03) in patients with high levels of symptoms at baseline in the respective domains. The interviews revealed that the health professionals perceived the app as a helpful addition to standard care. They also made suggestions for improvements, which could facilitate the implementation of and adherence to such an app. CONCLUSIONS: This study indicates that a mindfulness and relaxation app for patients with cancer can be a feasible and effective way to deliver a self-care intervention, especially for highly distressed patients. Future studies should investigate if the appeal of the app can be increased with more content, and the effectiveness of such an intervention needs to be tested in a randomized controlled 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 | 0,013 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».