MétaCan
Menu
Retour à la cohorte
Enregistrement W4323648410 · doi:10.2196/41216

Usability Testing of a New Digital Integrated Health Ecosystem (PainRELife) for the Clinical Management of Chronic Pain in Patients With Early Breast Cancer: Protocol for a Pilot Study

2023· article· en· W4323648410 sur OpenAlexvenueno aff
Marianna Masiero, Chiara Filipponi, Silvia Francesca Maria Pizzoli, Elisabetta Munzone, Luca Guido, Vittorio Guardamagna, Sara Marceglia, Annamaria Caruso, Roberto Prandin, Marco Prenassi, Vania Manzelli, Chiara Savino, Costanza Conti, Federica Rizzi, Alice Casalino, Giulia Candiani, Francesca Memini, Luca Chiveri, Andrea Luigi Vitali, Massimo Corbo, Alessandra Milani, Roberto Grasso, Silvia Traversoni, Elisa Fragale, Florence Didier, Gabriella Pravettoni

Notice bibliographique

RevueJMIR Research Protocols · 2023
Typearticle
Langueen
DomaineMedicine
ThématiquePain Management and Opioid Use
Établissements canadiensnon disponible
Organismes subventionnairesRegione Lombardia
Mots-clésInteroperabilityMedicineHealth careUsabilityDigital healthBreast cancerCancerComputer scienceWorld Wide WebInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Chronic pain (CP) and its management are critical issues in the care pathway of patients with breast cancer. Considering the complexity of CP experience in cancer, the international scientific community has advocated identifying cutting-edge approaches for CP management. Recent advances in the field of health technology enable the adoption of a novel approach to care management by developing integrated ecosystems and mobile health apps. OBJECTIVE: The primary end point of this pilot study is to evaluate patients' usability experience at 3 months of a new digital and integrated technological ecosystem, PainRELife, for CP in a sample of patients with breast cancer. The PainRELife ecosystem is composed of 3 main technological assets integrated into a single digital ecosystem: Fast Healthcare Interoperability Resources-based cloud platform (Nu platform) that enables care pathway definition and data collection; a big data infrastructure connected to the Fast Healthcare Interoperability Resources server that analyzes data and implements dynamic dashboards for aggregate data visualization; and an ecosystem of personalized applications for patient-reported outcomes collection, digital delivery of interventions and tailored information, and decision support of patients and caregivers (PainRELife app). METHODS: This is an observational, prospective pilot study. Twenty patients with early breast cancer and chronic pain will be enrolled at the European Institute of Oncology at the Division of Medical Senology and the Division of Pain Therapy and Palliative Care. Each patient will use the PainRELife mobile app for 3 months, during which data extracted from the questionnaires will be sent to the Nu Platform that health care professionals will manage. This pilot study is nested in a large-scale project named "PainRELife," which aims to develop a cloud technology platform to interoperate with institutional systems and patients' devices to collect integrated health care data. The study received approval from the Ethical Committee of the European Cancer Institute in December 2021 (number R1597/21-IEO 1701). RESULTS: The recruitment process started in May 2022 and ended in October 2022. CONCLUSIONS: The new integrated technological ecosystems might be considered an encouraging affordance to enhance a patient-centered approach to managing patients with cancer. This pilot study will inform about which features the health technological ecosystems should have to be used by cancer patients to manage CP. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): DERR1-10.2196/41216.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,013
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Protocole · Signal consensuel: Protocole
Score de désaccord entre enseignants0,133
Score d'incertitude au seuil0,484

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0130,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,360
Tête enseignante GPT0,561
Écart entre enseignants0,200 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreProtocole

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Research ProtocolsMême sujetPain Management and Opioid UseTravaux en français237 207