Perceptions of Endocrine Therapy in African-American Breast Cancer Survivors: Mixed Methods Study
Notice bibliographique
Résumé
BACKGROUND: Although the incidence of breast cancer is lower in African-American women than in White women, African-American women have a decreased survival rate. The difference in survival rate may stem from poor endocrine therapy adherence, which increases breast cancer recurrence. Therefore, accessible and culturally sensitive interventions to increase endocrine therapy adherence are necessary. OBJECTIVE: The purpose of this concurrent convergent mixed methods study was to provide further data to guide the development of the proposed culturally sensitive mHealth app, STORY+ for African-American women with breast cancer. METHODS: We recruited 20 African-American women diagnosed with estrogen-positive breast cancer and currently prescribed endocrine therapy. We used a concurrent convergent data collection method to (1) assess the use of smartphones and computers related to health care and (2) identify foundational aspects to support endocrine therapy adherence for incorporation in a mobile health app. RESULTS: Overwhelmingly, the participants preferred using smartphones to using computers for health care. Communicating with health care providers and pharmacies was the most frequent health care use of smartphones, followed by exercise tracking, and accessing the patient portal. We identified 4 aspects of adherence to endocrine therapy and smartphone use for incorporation in app development. The factors that emerged from the integrated qualitative and quantitative data were (1) willingness to use, (2) side effects, (3) social connection, and (4) beliefs about endocrine therapy. CONCLUSIONS: Further research is needed to develop a culturally sensitive app for African-American women with breast cancer to improve adherence to endocrine therapy. Our work strongly suggests that this population would use the app to connect with other African-American breast cancer survivors and manage endocrine therapy.
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 | 0,006 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| 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) | 0,002 | 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 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 ».