Developing a Mobile Patient-Reported Outcomes Version of the Common Terminology Criteria for Adverse Events Administration System to Capture Postradiation Toxicity in Oncology: Usability and Feasibility Study
Notice bibliographique
Résumé
BACKGROUND: Accurate self-reported symptomatic toxicity documentation via the Patient-Reported Outcomes version of the Common Terminology Criteria for Adverse Events (PRO-CTCAE) is essential throughout cancer treatment to ensure safety and understand therapeutic efficacy. However, the capture of accurate toxicities from patients undergoing radiation therapy is challenging because this is generally provided only at the time of scheduled visits. OBJECTIVE: This study seeks to establish the usability and feasibility of a mobile PRO-CTCAE Administration System (mPROS) to capture toxicities related to radiation therapy. METHODS: English-speaking adult patients who were undergoing radiation therapy for cancer were enrolled and given a brief demonstration of the Say All Your Symptoms (SAYS) and Symptom Tracking Entry Program (STEP) interfaces of the mPROS app, followed by a patient-use phase where patient actions were observed as they navigated mPROS to enter toxicities. Patient feedback was captured via a semistructured interview and brief questionnaire. RESULTS: We enrolled 25 patients (age: mean 60.7 years; females: n=13, 52%; White patients: n=13; 52%; non-Hispanic patients: n=19, 76%; college graduates: n=17, 68%). Patients almost equally preferred the SAYS (n=14, 56%) or STEP (n=11, 44%) interfaces, with 21 patients (84%) agreeing that they would use mPROS to report their symptoms to their health care team and 19 patients (76%) agreeing that they would recommend mPROS to others. CONCLUSIONS: The mPROS app is usable and feasible for facilitating the patient reporting of radiation therapy-related symptomatic toxicities. A revised version of mPROS that incorporates patient input and includes electronic health record integration is being developed and validated as part of a multicenter 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 | 0,015 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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 ».