Adaptation of Remote Symptom Monitoring Using Electronic Patient-Reported Outcomes for Implementation in Real-World Settings
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: Despite evidence of clinical benefits, widespread implementation of remote symptom monitoring has been limited. We describe a process of adapting a remote symptom monitoring intervention developed in a research setting to a real-world clinical setting at two cancer centers. METHODS: This formative evaluation assessed core components and adaptations to improve acceptability and fit of remote symptom monitoring using Stirman's Framework for Modifications and Adaptations. Implementation outcomes were evaluated in pilot studies at the two cancer centers testing technology (phase I) and workflow (phase II and III) using electronic health data; qualitative evaluation with semistructured interviews of clinical team members; and capture of field notes from clinical teams and administrators regarding barriers and recommended adaptations for future implementation. RESULTS: Core components of remote symptom monitoring included electronic delivery of surveys with actionable symptoms, patient education on the intervention, a system to monitor survey compliance in real time, the capacity to generate alerts, training nurses to manage alerts, and identification of personnel responsible for managing symptoms. In the pilot studies, while most patients completed > 50% of expected surveys, adaptations were identified to address barriers related to workflow challenges, patient and clinician access to technology, digital health literacy, survey fatigue, alert fatigue, and data visibility. CONCLUSION: Using an implementation science approach, we facilitated adaptation of remote symptom monitoring interventions from the research setting to clinical practice and identified key areas to promote effective uptake and sustainability.
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.
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 | 0,001 | 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 découle