Parent and clinician perceptions and recommendations on a pediatric cancer pain management app: A qualitative co-design study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Pain is one of the most prevalent and burdensome pediatric cancer symptoms for young children and their families. A significant proportion of pain episodes are experienced in environments where management options are limited, including at home. Digital innovations such as apps may have positive impacts on pain outcomes for young children in these environments. Our overall aim is to co-design such an app and the objective of this study was to explore the perceptions of children's parents about app utility, needed system features, and challenges. We recruited parents of young children with cancer and multidisciplinary pediatric oncology clinicians from two pediatric cancer care centers to participate in audio-recorded, semi-structured, co-design interviews. We conducted interviews structured around technology acceptance and family caregiving theories until data saturation was reached. Audio-recordings were then transcribed, coded, and analyzed using thematic analysis. Forty-two participants took part in the process. Participants endorsed the concept of an app as a useful, safe, and convenient way to engage caregivers in managing their young child's pain. Overall, the app was valued as a means to provide real-time, multimodal informational and procedural pain support to parents, while also reducing the emotional burden of pain care. Recommendations for intervention design included accessibility-focused features, comprehensive symptom tracking, and embedded scientific- and clinically-sound symptom assessments and management advice. Predicted challenges to app use included the workload burden it may place on parents and clinicians. The insights gathered will inform the design principles of our future childhood cancer pain digital research.
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.
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 | 0,001 | 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 découle