MétaCan
Menu
← Retour à la cohorte
Enregistrement W4308978003 · doi:10.1093/neuonc/noac209.916

QLTI-14. PEDIATRIC CENTRAL NERVOUS SYSTEM TUMOR SURVIVOR AND CAREGIVER EXPERIENCES WITH MULTIDISCIPLINARY TELEMEDICINE

2022· article· en· W4308978003 sur OpenAlexaff
Chantel Cacciotti, Isaac S. Chua, Jennifer Cuadra, Nicole J. Ullrich, Tabitha Cooney

Notice bibliographique

RevueNeuro-Oncology · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésTelemedicineTelehealthMedicinePediatric oncologySurvivorship curvePediatric cancerMultidisciplinary approachDemographicsFamily medicineMedical emergencyHealth careCancerInternal medicine

Résumé

récupéré en direct d'OpenAlex

Abstract Central nervous system (CNS) tumors are the second most common pediatric cancer; survivors develop chronic medical conditions and complex care needs. While telemedicine is accelerating, its effectiveness has not been assessed in pediatric CNS tumor survivors. We evaluated the experiences of those seen through our Pediatric Neuro-Oncology Survivorship Clinic at Dana-Farber/ Boston Children’s Cancer and Blood Disorder Center. Patients and caregivers who had a multi-disciplinary telemedicine survivorship appointment from January 2021 through March 2022 were invited to participate in an anonymous survey which included questions on demographics, travel, equipment, experiences with telehealth, and preferences for telehealth utilization. Thirty-three adult survivors and 41 caregivers participated in the study (45% response rate). The majority of respondents agreed or strongly agreed that telemedicine visits started on time (97%, Nf65), scheduling was convenient (97%, Nf59), clinicians explained things in an easy-to-understand way (97%, Nf59), listened carefully and addressed concerns (93%, Nf56), and spent enough time with them (95%, Nf56). However, only 58% (Nf35) of respondents agreed or strongly agreed they would like to continue with telemedicine and only 48% (Nf32) agreed telemedicine was as effective as office visits. In our univariable analysis, the majority of respondents reported telemedicine as better with regards to travel time (82%, Nf60), convenience (68%, Nf50), wait time (70%, Nf50), and ease of scheduling (56%, Nf40), while the majority reported office visits as better with regards to personal connection (58%, Nf41). Survivors were more likely than caregivers to prefer office visits for personal connection (72% vs 46%, p=0.027). The most common telemedicine difficulties were using the system (15%, Nf11) and asking questions they would normally ask in clinic (19%, Nf14). While multi-disciplinary telehealth may improve care efficiency and accessibility for pediatric CNS tumor survivors, initiatives to improve personal connection are necessary to optimize patient satisfaction.

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)0,003
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,020
Tête enseignante GPT0,309
Écart entre enseignants0,289 · 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'étudeQualitatif
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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeuro-Oncology→Même sujetTelemedicine and Telehealth Implementation→Travaux en français237 207→