Engagement Among Diverse Patient Backgrounds in a Remote Symptom Monitoring Program
Notice bibliographique
Résumé
PURPOSE: Previous randomized controlled trials have demonstrated benefit from remote symptom monitoring (RSM) with electronic patient-reported outcomes. However, the racial diversity of enrolled patients was low and did not reflect the real-world racial proportions for individuals with cancer. METHODS: This secondary, cross-sectional analysis evaluated engagement of patients with cancer in a RSM program. Patient-reported race was grouped as Black, Other, or White. Patient address was used to map patient residence to determine rurality using Rural-Urban Commuting Area Codes and neighborhood disadvantage using Area Deprivation Index. Key outcomes included (1) being approached for RSM enrollment, (2) declining enrollment, (3) adherence with RSM via continuous completion of symptom surveys, and (4) withdrawal from RSM participation. Risk ratios (RR) and 95% CI were estimated from modified Poisson models with robust SEs. RESULTS: Between May 2021 and May 2023, 883 patients were approached to participate, of which 56 (6%) declined RSM. Of those who enrolled in RSM, a total of 27% of patients were Black or African American and 67% were White. In adjusted models, all patient population subgroups of interest had similar likelihoods of being approached for RSM participation; however, Black or African American patients were more than 3× more likely to decline participation than White participants (RR, 3.09 [95% CI, 1.73 to 5.53]). Patients living in more disadvantaged neighborhoods were less likely to decline (RR, 0.49 [95% CI, 0.24 to 1.02]), but less likely to adhere to surveys (RR, 0.81 [95% CI, 0.68 to 0.97]). All patient populations had a similar likelihood of withdrawing. CONCLUSION: Black patients and individuals living in more disadvantaged neighborhoods are at risk for lower engagement in RSM. Further work is needed to identify and overcome barriers to equitable participation.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».