Effects of using WeChat/WhatsApp on physical and psychosocial health outcomes among oncology patients: A systematic review
Notice bibliographique
Résumé
The purpose of this systematic review is to summarize the potential effects of the WeChat and WhatsApp mobile applications in cancer management. This systematic review was written in accordance with PRISMA guidelines. CINAHL, PubMed, ProQuest Nursing and Allied Health Database, PsycINFO, PsycARTICLES, and ERIC were utilized for the literature search. Articles were included if they evaluated the outcomes of using WeChat/WhatsApp for cancer management, and excluded if they were qualitative studies, not published in peer-reviewed journals, protocols for a future study, or conference abstracts. 20 studies were included in this systematic review, with a total sample of 3110 participants. Interventions were utilized to share educational information with participants, follow-up after surgical operations, and in clinical communication. Outcomes, including pain, medication adherence, self-efficacy, quality of life, and depression, were statistically significantly improved in the WeChat/WhatsApp intervention groups in comparison to the control groups or to baseline measurements of the study participants. Outcomes of sleep and rehospitalization rate were improved without reaching statistical significance. Outcomes of anxiety, fatigue, and adverse drug reactions were found to be conflictive among included studies. This systematic review suggested that use of WeChat/WhatsApp on cancer management might improve various physical and psychosocial health outcomes among oncological patients. Limitations of the study include solely reviewing English language articles published in academic journals and most of the studies being from one country. Future research should be conducted in various countries among diverse communities, including rural areas, to ascertain the effects of WeChat/WhatsApp in different populations.
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 | 0,010 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,009 |
| Bibliométrie | 0,007 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».