eHealth Interventions for Dutch Cancer Care: Systematic Review Using the Triple Aim Lens
Notice bibliographique
Résumé
BACKGROUND: Globally, the burden of cancer on population health is growing. Recent trends such as increasing survival rates have resulted in a need to adapt cancer care to ensure a good care experience and manageable expenditures. eHealth is a promising way to increase the quality of cancer care and support patients and survivors. OBJECTIVE: The aim of this systematic review was 2-fold. First, we aimed to provide an overview of eHealth interventions and their characteristics for Dutch patients with and survivors of cancer. Second, we aimed to provide an overview of the empirical evidence regarding the impact of eHealth interventions in cancer care on population health, quality of care, and per capita costs (the Triple Aim domains). METHODS: The electronic databases Web of Science, PubMed, Cochrane, and Ovid PsycINFO were searched using 3 key search themes: eHealth interventions, cancer care, and the Netherlands. The identified interventions were classified according to predetermined criteria describing the intervention characteristics (eg, type, function, and target population). Their impact was subsequently examined using the Triple Aim framework. RESULTS: A total of 38 interventions were identified. Most of these were web portals or web applications functioning to inform and self-manage, and target psychosocial factors or problems. Few interventions have been tailored to age, disease severity, or gender. The results of this study indicate that eHealth interventions could positively affect sleep quality, fatigue, and physical activity of patients with and survivors of cancer. Inconclusive results were found regarding daily functioning and quality of life, psychological complaints, and psychological adjustment to the disease. CONCLUSIONS: eHealth can improve outcomes in the Triple Aim domains, particularly in the population health and quality of care domains. Cancer-related pain and common symptoms of active treatment were not targeted in the included interventions and should receive more attention. Further research is needed to fully understand the impact of eHealth interventions in cancer care on participation, accessibility, and costs. The latter can be examined in economic evaluations by comparing eHealth interventions with care as usual.
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 | 0,013 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,009 |
| Bibliométrie | 0,012 | 0,014 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».