The Multidomain Metaverse Cancer Care Digital Platform: Development and Usability Study
Notice bibliographique
Résumé
BACKGROUND: As cancer treatment methods have diversified and the importance of self-management, which lowers the dependence rate on direct hospital visits, has increased, effective cancer care education and management for health professionals and patients have become necessary. The metaverse is in the spotlight as a means of digital health that allows users to engage in cancer care education and management beyond physical constraints. However, it is difficult to find a multipurpose medical metaverse that can not only be used in the field but also complements current cancer care. OBJECTIVE: This study aimed to develop an integrated metaverse cancer care platform, Dr. Meta, and examine its usability. METHODS: We conducted a multicenter, cross-sectional survey between November and December 2021. A descriptive analysis was performed to examine users' experiences with Dr. Meta. In addition, a supplementary open-ended question was used to ask users for their suggestions and improvements regarding the platform. RESULTS: Responses from 70 Korean participants (male: n=19, 27% and female: n=51, 73%) were analyzed. More than half (n=37, 54%) of the participants were satisfied with Dr. Meta; they responded that it was an interesting and immersive platform (n=50, 72%). Less than half perceived no discomfort when using Dr. Meta (n=34, 49%) and no difficulty in wearing and operating the device (n=30, 43%). Furthermore, more than half (n=50, 72%) of the participants reported that Dr. Meta would help provide non-face-to-face and noncontact services. More than half also wanted to continue using this platform in the future (n=41, 59%) and recommended it to others (n=42, 60%). CONCLUSIONS: We developed a multidomain metaverse cancer care platform that can support both health professionals and patients in non-face-to-face cancer care. The platform was uniquely disseminated and implemented in multiple regional hospitals and showed the potential to perform successful cancer care.
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 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».