Adherence to Home-Based Swallowing Therapy Using a Mobile System in Head and Neck Cancer Survivors
Notice bibliographique
Résumé
Purpose A large knowledge gap related to dysphagia treatment adherence was identified by a recent systematic review: Few existing studies report on adherence, and current adherence tracking relies heavily on patient self-report. This study aimed to report weekly adherence and dysphagia-specific quality of life following home-based swallowing therapy in head and neck cancer (HNC). Method This was a quasi-experimental pretest–posttest design. Patients who were at least 3 months post–HNC treatment were enrolled in swallowing therapy using a mobile health (mHealth) swallowing system equipped with surface electromyography (sEMG) biofeedback. Participants completed a home dysphagia exercise program across 6 weeks, with a target of 72 swallows per day split between three different exercise types. Adherence was calculated as percent trials completed of trials prescribed. The M. D. Anderson Dysphagia Inventory (MDADI) was administered before and after therapy. Results Twenty participants (75% male), with an average age of 61.9 years ( SD = 8.5), completed the study. The majority had surgery ± adjuvant (chemo)radiation therapy for oral (10%), oropharyngeal (80%), or other (10%) cancers. Using an intention-to-treat analysis, adherence to the exercise regimen remained high from 84% in Week 1 to 72% in Week 6. Radiation therapy, time since cancer treatment, medical difficulties, and technical difficulties were all found to be predictive of poorer adherence at Week 6. A statistically significant improvement was found for composite, emotional, and physical MDADI subscales. Conclusions When using an mHealth system with sEMG biofeedback, adherence rates to home-based swallowing exercise remained at or above 72% over a 6-week treatment period. Dysphagia-specific quality of life improved following this 6-week treatment program.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».