Interactive digital tools to support empowerment of people with cancer: a systematic literature review
Notice bibliographique
Résumé
PURPOSE: To identify and synthesise interactive digital tools used to support the empowerment of people with cancer and the outcomes of these tools. METHODS: A systematic literature review was conducted using PubMed, CINAHL, Web of Science, Cochrane, Eric, Scopus, and PsycINFO databases in May 2023. Inclusion criteria were patient empowerment as an outcome supported by interactive digital tools expressed in study goal, methods or results, peer-reviewed studies published since 2010 in cancer care. Narrative synthesis was applied, and the quality of the studies was assessed following Joanna Briggs Institute checklists. RESULTS: Out of 1571 records screened, 39 studies published in 2011-2022 with RCT (17), single-arm trial (15), quasi-experimental (1), and qualitative designs (6) were included. A total of 30 interactive digital tools were identified to support empowerment (4) and related aspects, such as self-management (2), coping (4), patient activation (9), and self-efficacy (19). Significant positive effects were found on empowerment (1), self-management (1), coping (1), patient activation (2), and self-efficacy (10). Patient experiences were positive. Interactivity occurred with the tool itself (22), peers (7), or nurses (7), physicians (2), psychologists, (2) or social workers (1). CONCLUSION: Interactive digital tools have been developed extensively in recent years, varying in terms of content and methodology, favouring feasibility and pilot designs. In all of the tools, people with cancer are either active or recipients of information. The research evidence indicates positive outcomes for patient empowerment through interactive digital tools. Thus, even though promising, there still is need for further testing of the tools.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 |
| 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 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 ».