Sociodemographic difference in patients who enroll and decline remote symptom monitoring (RSM).
Notice bibliographique
Résumé
268 Background: Remote symptom monitoring (RSM) using patient-reported outcomes has been shown to reduce symptom burden and hospitalizations in clinical trials. However, little is known about how willing patients are to participate in remote symptom monitoring in real-world settings, particularly for vulnerable patient populations. This study aims to compare characteristics of cancer patients enrolled vs. patients who declined enrollment into RSM. Methods: This prospective study used data that assessed the characteristics of patients who enrolled vs. patients who declined enrollment into RSM. Inclusion criteria included participants’ age ≥18 with cancer who received chemotherapy, targeted therapy, or immunotherapy at the University of Alabama at Birmingham. Race and ethnicity (Black or African American, White, Asian, other and unknown), sex, cancer type (breast, gastrointestinal [GI], genitourinary [GU], gynecological [GYNX], head and neck, leukemia, lymphoma, melanoma, myeloma and other), urban/rural residence, Area Deprivation Index (ADI), and insurance type (Medicaid, Medicare, none, other and private) were abstracted from electronic medical records (EMR) and PRO platform (Carevive). Descriptive statistics were calculated using frequencies and percentages for categorical variables and medians and interquartile ranges for continuous variables. Differences in enrollment status characteristics were calculated using measures of effect size such as Cramer’s V. Results: Of the 307 patients, two thirds of patients were female (71%); 25% were Black or African American and 66% were White patients; 15% lived in an area of higher disadvantage. For insurance, 46%, 26%, 10%, 8%, and 9% of patients had Private, Medicare, Medicaid, other insurance, and no insurance, respectively. The proportion of patients who declined enrollment was higher for males than females (22% vs. 10%), Black or African American than White (18% vs 13%); and having Medicare than private insurance (22% vs. 10%). Compared to those who enrolled, patients who declined enrollment were more often to be male (V:0.2), Black or African American (V:0.1); and have Medicare insurance (V:0.2). Patients enrolled vs. declined in RSM had similar ADI scores (V:0.01). Conclusions: This study demonstrates that potentially vulnerable patients, including Black patients and those with public insurance, have lower RSM engagement. Future analysis is needed to understand participation barriers and how to better engage diverse populations to ensure optimal healthcare delivery to all patients.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».