Mobile-Based Self-management Application Requirements for Patients With Gastric Cancer: Quantitative Descriptive Study of Specialist and Patient Perspectives
Notice bibliographique
Résumé
BACKGROUND: Gastric cancer is one of the most common gastrointestinal cancers. Patients with gastric cancer experience disabilities and complications that lead to reduced quality of life. Empowering these patients by providing them with information and self-management skills can help reduce side effects and improve their quality of life. OBJECTIVE: The aim of this study was to identify the user requirements for developing a mobile-based self-management app to support patients with gastric cancer. METHODS: Data were analyzed using descriptive statistics and frequency distribution reports using IBM SPSS Statistics software. RESULTS: All of the data elements and functional requirements except "data recording times" and "weight changes in graphs" were identified as essential by clinical experts and patients. Among the functional requirements required in a gastric cancer self-management app, the capabilities related to informing, announcing warnings, and reminders are included. In the demographic data section, most patients (14/26, 53%) did not comment on the importance of recording data such as name, surname, and place of residence, and the demographic data section was met with less agreement from patients than clinicians. CONCLUSIONS: Applying the requirements mentioned in this study can improve the self-management of patients with gastric cancer. Such apps can play an important role in empowering patients and improving their quality of life. However, the apps need to be designed and implemented to see how they can meet users' requirements.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».