Understanding Barriers Along the Patient Journey in Alzheimer’s Disease Using Social Media Data
Notice bibliographique
Résumé
INTRODUCTION: We speculated that social media data from Alzheimer's disease (AD) stakeholders (patients, caregivers, and clinicians) could identify barriers along the patient journey in AD, and that insights gained may help devise strategies to remove barriers, and ultimately improve the patient journey. METHODS: Our sample was drawn from a repository of social media posts extracted from 112 public sources between January 1998 and December 2021 using natural language processing text-mining algorithms. The patient journey was classified into three phases: (1) early signs/experiences (Early Signs); (2) screening/assessment/diagnosis (Screening); and (3) treatment/management (Treatment). In the Early Signs phase, issues/challenges derived from a conceptual AD identification framework (ADIF) were examined. In subsequent phases, behavioral/psychiatric challenges, access/barriers to health care, screening/diagnostic methods, and symptomatic treatments for AD were identified. Posts were classified by AD stakeholder type or disease stage, if possible. RESULTS: We identified 225,977 AD patient journey-related social media posts. Anxiety was a predominant issue/challenge in all patient journey phases. In the Screening and Treatment phases combined, access/barriers to care were described in 16% of posts; unwillingness/resistance to seeking care was a major barrier (≥ 75% of access-related posts across all stakeholders). Commonly identified structural barriers (e.g., affordability/cost, geography/transportation/distance) were more common in patient/caregiver posts than clinician posts. Among Screening-related posts, imaging/scans were commonly mentioned by all stakeholders; biomarkers were more commonly mentioned by patients than clinicians. Treatment-related concerns were identified in 17% of stakeholder-specified posts that named pharmacological agents/classes for the symptomatic management of AD. CONCLUSION: This descriptive analysis of out-of-clinic experiences reflected in AD social media posts found that unwillingness/resistance to seeking care was a key barrier, followed by structural barriers to health care, such as affordability/cost. Insights from the lived experiences of AD stakeholders are valuable and highlight the need to improve the patient journey in AD and ease patient and caregiver burden.
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 | 0,005 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».