MétaCan
Menu
← Retour à la cohorte
Enregistrement W4206098304 · doi:10.2196/33701

Digital Life Coaching During Stem Cell Transplantation: Development and Usability Study

2022· article· en· W4206098304 sur OpenAlexvenueno aff

Notice bibliographique

RevueJMIR Formative Research · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer survivorship and care
Établissements canadiensnon disponible
Organismes subventionnairesAmerican Society for Transplantation and Cellular TherapyAmerican Society of Clinical OncologyAmerican Association for Cancer Research
Mots-clésUsabilityCoachingPluralistic walkthroughUsability engineering

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: For patients with multiple myeloma receiving high-dose chemotherapy followed by autologous stem cell transplantation (SCT), acute life disruptions and symptom burden may lead to worsened quality of life (QOL) and increased emotional distress. Digital life coaching (DLC), whereby trained coaches deliver personalized well-being-related support via phone calls and SMS text messaging, has been shown to improve QOL among SCT survivors. However, DLC has not been investigated during the acute peri-SCT period, which is generally characterized by symptomatic exacerbations and 2-week hospitalizations. OBJECTIVE: We launched a single-arm pilot study to investigate the feasibility of patient engagement with DLC during this intensive period. METHODS: We approached English-speaking adult patients with multiple myeloma undergoing autologous SCT at our center. Enrolled patients received 16 weeks of virtual access to a life coach beginning on day -5 before SCT. Coaches used structured frameworks to help patients identify and overcome personal barriers to well-being. Patients chose the coaching topics and preferred communication styles. Our primary endpoint was ongoing DLC engagement, defined as bidirectional conversations occurring at least once every 4 weeks during the study period. Secondary endpoints were electronic patient-reported outcome assessments of QOL, distress, and sleep disturbances. RESULTS: Of the 20 patients who were screened, 17 (85%) chose to enroll and 15 (75%) underwent SCT as planned. Of these 15 patients (median age 65 years, range 50-81 years), 11 (73%) demonstrated ongoing DLC engagement. The median frequency of bidirectional conversations during the 3-month study period was once every 6.2 days (range 3.9-28 days). During index hospitalizations with median lengths of stay of 16 days (range 14-31 days), the median frequency of conversations was once every 5.3 days (range 2.7-15 days). Electronic patient-reported outcome assessments (94% adherence) demonstrated an expected QOL nadir during the second week after SCT. The prevalence of elevated distress was highest immediately before and after SCT, with 69% of patients exhibiting elevated distress on day -5 and on day +2. CONCLUSIONS: DLC may be feasible for older patients during intensive hospital-based cancer treatments such as autologous SCT for multiple myeloma. The limitations of our study include small sample size, selection bias among enrolled patients, and heterogeneity in DLC use. Based on the positive results of this pilot study, a larger phase 2 randomized study of DLC during SCT is underway to investigate the efficacy of DLC with regard to patient well-being. TRIAL REGISTRATION: ClinicalTrials.gov NCT04432818; https://clinicaltrials.gov/ct2/show/NCT04432818.

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)0,015
score de la tête « metaresearch » (Gemma)0,021
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,079

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,021
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,002
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 Opus0,056
Tête enseignante GPT0,365
Écart entre enseignants0,309 · 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'étudeExpérimental (laboratoire)
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

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative Research→Même sujetCancer survivorship and care→Travaux en français237 207→