MétaCan
Menu
Retour à la cohorte
Enregistrement W3121932028 · doi:10.2196/18396

Cardiovascular Assessment Tool for Breast Cancer Survivors and Oncology Providers: Usability Study

2020· article· en· W3121932028 sur OpenAlexvenueno aff
Kathryn E. Weaver, Heidi D. Klepin, Brian J. Wells, Emily V. Dressler, Karen M. Winkfield, Zanetta S. Lamar, Tiffany Avery, Nicholas M. Pajewski, W. Gregory Hundley, Aimee K. Johnson, Eleanor C. Davidson, Marcelo Lopetegui, Randi E. Foraker

Notice bibliographique

RevueJMIR Cancer · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueChemotherapy-induced cardiotoxicity and mitigation
Établissements canadiensnon disponible
Organismes subventionnairesNational Center for Advancing Translational SciencesNational Cancer InstituteNational Institutes of HealthComprehensive Cancer Center at Wake Forest Baptist Medical Center
Mots-clésMedicineBreast cancerSurvivorship curveCardiovascular healthHealth careFamily medicineCancerDiseaseUsabilityInternal medicinePhysical therapyGerontology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Cardiovascular health is of increasing concern to breast cancer survivors and their health care providers, as many survivors are more likely to die from cardiovascular disease than cancer. Implementing clinical decision support tools to address cardiovascular risk factor awareness in the oncology setting may enhance survivors' attainment or maintenance of cardiovascular health. OBJECTIVE: We sought to evaluate survivors' awareness of cardiovascular risk factors and examine the usability of a novel electronic health record enabled cardiovascular health tool from the perspective of both breast cancer survivors and oncology providers. METHODS: Breast cancer survivors (n=49) recruited from a survivorship clinic interacted with the cardiovascular health tool and completed pre and posttool assessments about cardiovascular health knowledge and perceptions of the tool. Oncologists, physician assistants, and nurse practitioners (n=20) who provide care to survivors also viewed the cardiovascular health tool and completed assessments of perceived usability and acceptability. RESULTS: Enrolled breast cancer survivors (84% White race, 4% Hispanic ethnicity) had been diagnosed 10.8 years ago (SD 6.0) with American Joint Committee on Cancer stage 0, I, or II (45/49, 92%). Prior to viewing the tool, 65% of survivors (32/49) reported not knowing their level for one or more cardiovascular health factors (range 0-4). On average, only 45% (range 0%-86%) of survivors' known cardiovascular health factors were at an ideal level. More than 50% of survivors had ideal smoking status (45/48, 94%) or blood glucose level (29/45, 64%); meanwhile, less than 50% had ideal blood pressure (12/49, 24%), body mass index (12/49, 24%), cholesterol level (17/35, 49%), diet (7/49, 14%), and physical activity (10/49. 20%). More than 90% of survivors thought the tool was easy to understand (46/47, 98%), improved their understanding (43/47, 91%), and was helpful (45/47, 96%); overall, 94% (44/47 survivors) liked the tool. A majority of survivors (44/47, 94%) thought oncologists should discuss cardiovascular health during survivorship care. Most (12/20, 60%) oncology providers (female: 12/20, 60%; physicians: 14/20, 70%) had been practicing for more than 5 years. Most providers agreed the tool provided useful information (18/20, 90%), would help their effectiveness (18/20, 90%), was easy to use (20/20, 100%), and presented information in a useful format (19/20, 95%); and 85% of providers (17/20) reported they would use the tool most or all of the time when providing survivorship care. CONCLUSIONS: These usability data demonstrate acceptability of a cardiovascular health clinical decision support tool in oncology practices. Oncology providers and breast cancer survivors would likely value the integration of such apps in survivorship care. By increasing awareness and communication regarding cardiovascular health, electronic health record-enabled tools may improve survivorship care delivery for breast cancer and ultimately patient outcomes.

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)0,012
score de la tête « metaresearch » (Gemma)0,036
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,061

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,036
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,034
Tête enseignante GPT0,361
Écart entre enseignants0,327 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations19
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR CancerMême sujetChemotherapy-induced cardiotoxicity and mitigationTravaux en français237 207