Patient Experiences of a Telehealth Multidisciplinary Cancer Rehabilitation Programme: Qualitative Findings from the ReStOre@Home Feasibility Study
Notice bibliographique
Résumé
Purpose . Multidisciplinary rehabilitation programmes providing exercise, nutrition support, education, and peer support can effectively meet the rehabilitation needs of upper gastrointestinal (UGI) cancer survivors. This study aimed to explore the experiences of participants who engaged in a telehealth, multidisciplinary rehabilitation programme for UGI cancer survivors. Methods . This single‐arm feasibility study recruited participants who completed curative treatment for UGI cancer. Participants ( n = 10, male = 9) aged 58–76 years were 5–17 months postsurgery. A 12‐week telehealth rehabilitation programme was delivered via video call, consisting of group resistance training, remotely monitored aerobic training, 1 : 1 dietary counselling, 1 : 1 physiotherapy support, and group education sessions. Independent researchers conducted semistructured interviews at postintervention assessments. Transcripts were analysed using reflexive thematic analysis (RTA). Results . RTA of participant transcripts generated three overarching themes: (1) ReStOre@Home impacted psychosocial and physical needs by addressing a broad and meaningful gap in services, (2) paving a pathway towards prosperity, and (3) contrasting experiences with using technology. Participants’ preferences and recommendations for future telehealth programmes were discussed. Conclusions . A telehealth multidisciplinary rehabilitation programme supported participants in physical and psychosocial recovery. Qualitative analysis identified an important ongoing need for some in‐person care and provided detailed insights into participant experiences during telehealth‐delivered rehabilitation.
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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».