MétaCan
Menu
Retour à la cohorte
Enregistrement W4401107172 · doi:10.2196/56969

Telemedicine Applications for Cancer Rehabilitation: Scoping Review

2024· article· en· W4401107172 sur OpenAlex
Patricia Rocco, C. Mahony Reátegui-Rivera, Joseph Finkelstein

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.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJMIR Cancer · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer survivorship and care
Établissements canadiensnon disponible
Organismes subventionnairesNational Heart, Lung, and Blood Institute
Mots-clésTelemedicineRehabilitationCancerMedicinePhysical medicine and rehabilitationComputer sciencePhysical therapyHealth carePolitical scienceInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Cancer is a significant public health issue worldwide. Treatments such as surgery, chemotherapy, and radiation therapy often cause psychological and physiological side effects, affecting patients' ability to function and their quality of life (QoL). Physical activity is crucial to cancer rehabilitation, improving physical function and QoL and reducing cancer-related fatigue. However, many patients face barriers to accessing cancer rehabilitation due to socioeconomic factors, transportation issues, and time constraints. Telerehabilitation can potentially overcome these barriers by delivering rehabilitation remotely. OBJECTIVE: The aim of the study is to identify how telemedicine is used for the rehabilitation of patients with cancer. METHODS: This scoping review followed recognized frameworks. We conducted an electronic literature search on PubMed for studies published between January 2015 and May 2023. Inclusion criteria were studies reporting physical therapy telerehabilitation interventions for patients with cancer, including randomized and nonrandomized controlled trials, feasibility studies, and usability studies. In total, 21 studies met the criteria and were included in the final review. RESULTS: Our search yielded 37 papers, with 21 included in the final review. Randomized controlled trials comprised 47% (n=10) of the studies, with feasibility studies at 33% (n=7) and usability studies at 19% (n=4). Sample sizes were typically 50 or fewer participants in 57% (n=12) of the reports. Participants were generally aged 65 years or younger (n=17, 81%), with a balanced gender distribution. Organ-specific cancers were the focus of 66% (n=14) of the papers, while 28% (n=6) included patients who were in the posttreatment period. Web-based systems were the most used technology (n=13, 61%), followed by phone call or SMS text messaging-based systems (n=9, 42%) and mobile apps (n=5, 23%). Exercise programs were mainly home based (n=19, 90%) and included aerobic (n=19, 90%), resistance (n=13, 61%), and flexibility training (n=7, 33%). Outcomes included improvements in functional capacity, cognitive functioning, and QoL (n=10, 47%); reductions in pain and hospital length of stay; and enhancements in fatigue, physical and emotional well-being, and anxiety. Positive effects on feasibility (n=3, 14%), acceptability (n=8, 38%), and cost-effectiveness (n=2, 9%) were also noted. Functional outcomes were frequently assessed (n=19, 71%) with tools like the 6-minute walk test and grip strength tests. CONCLUSIONS: Telerehabilitation for patients with cancer is beneficial and feasible, with diverse approaches in study design, technologies, exercises, and outcomes. Future research should focus on developing standardized methodologies, incorporating objective measures, and exploring emerging technologies like virtual reality, wearable or noncontact sensors, and artificial intelligence to optimize telerehabilitation interventions. Addressing these areas can enhance clinical practice and improve outcomes for remote rehabilitation with patients.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,686
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,428
Écart entre enseignants0,398 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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