MétaCan
Menu
Retour à la cohorte
Enregistrement W4200306168 · doi:10.2196/31255

The Use of Telemedicine in Cancer Clinical Trials: Connect-Patient-to-Doctor Prospective Study

2021· article· en· W4200306168 sur OpenAlex
Yasmine Meghiref, Charles Parnot, Claire Duverger, Françoise Lilly Difoum, Audrey Gourden, Halima Yssaad, Caroline Leiterer, Caroline Bedekovic, Julien Blanchard, Houria Nait Ammar, Antoine Schernberg, H. Vanquaethem, Carole Hélissey

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJMIR Cancer · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineTelemedicineClinical trialContext (archaeology)Common Terminology Criteria for Adverse EventsAdverse effectPatient satisfactionHealth carePhysical therapyEmergency medicineInternal medicineSurgery

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Telemedicine is currently being adopted for the management of patients in routine care. However, its use remains limited in the context of clinical trials. OBJECTIVE: This study aimed to demonstrate the feasibility of telemonitoring and patient-reported outcomes collection in the context of clinical trials. METHODS: The patients who were included in an interventional oncology clinical trial were eligible. The patients were registered with a digital tool to respond to a patient-reported outcomes questionnaire (ePRO) based on CTCAE (The Common Terminology Criteria for Adverse Events, National Cancer Institute), version 5.0, personalized to their pathology and treatment. An algorithm evaluated the health status of the patient based on the reported adverse events, with a classification in 4 different states (correct, compromise, state to be monitored, or critical state). The main objective was to evaluate the feasibility of remote monitoring via a connected platform of patients included in a clinical trial. RESULTS: From July 1, 2020, to March 31, 2021, 39 patients were included. The median age was 71 years (range 41-94); 74% (n=29) were male, and 59% (n=23) had metastatic disease. Out of the 969 ePRO questionnaires completed over the course of the study, 77.0% (n=746) were classified as "correct," 10.9% (n=106) as "compromised," and 12.1% (n=117) as "to be monitored" or "critical." The median response time was 7 days (IQR 7-15.5), and 76% (25/33) of the patients were compliant. Out of the 35 patients who answered a satisfaction questionnaire, 95% (n=33) were satisfied or very satisfied with the tool, and 85% (n=30) were satisfied with their relationship with the health care team. There were 5 unscheduled hospitalizations during the study period. CONCLUSIONS: Remote monitoring in clinical trials is feasible, with a high level of patient participation and satisfaction. It benefits patients, but it also ensures the high quality of the trial through the early management of adverse events and better knowledge of the tolerance profile of experimental treatments. This e-technology will likely be deployed more widely in our clinical trials.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,178
Score d'incertitude au seuil0,853

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,336
Tête enseignante GPT0,564
Écart entre enseignants0,227 · 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