MétaCan
Menu
Retour à la cohorte
Enregistrement W4403066458 · doi:10.2196/57510

Uncovering the Daily Experiences of People Living With Advanced Cancer Using an Experience Sampling Method Questionnaire: Development, Content Validation, and Optimization Study

2024· article· en· W4403066458 sur OpenAlexvenueno aff
Joran Geeraerts, Lara Pivodic, Lise Rosquin, Eline Naert, Geert Crombez, Mark De Ridder, Lieve Van den Block

Notice bibliographique

RevueJMIR Cancer · 2024
Typearticle
Langueen
DomainePsychology
ThématiqueMental Health Research Topics
Établissements canadiensnon disponible
Organismes subventionnairesVlaamse regeringFonds Wetenschappelijk Onderzoek
Mots-clésPreprintExperience sampling methodSampling (signal processing)PsychologyGerontologyMedicineMedical educationComputer scienceSocial psychologyWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The experience sampling method (ESM), a self-report method that typically uses multiple assessments per day, can provide detailed knowledge of the daily experiences of people with cancer, potentially informing oncological care. The use of the ESM among people with advanced cancer is limited, and no validated ESM questionnaires have been developed specifically for oncology. OBJECTIVE: This study aims to develop, content validate, and optimize the digital Experience Sampling Method for People Living With Advanced Cancer (ESM-AC) questionnaire, covering multidimensional domains and contextual factors. METHODS: A 3-round mixed methods study was designed in accordance with the Consensus-Based Standards for the Selection of Health Measurement Instruments (COSMIN) and the European Organization for Research and Treatment of Cancer guidelines. The study included semistructured interviews with 43 people with stage IV breast cancer or stage III to IV lung cancer and 8 health care professionals. Round 1 assessed the appropriateness, relative importance, relevance, and comprehensiveness of an initial set of ESM items that were developed based on the existing questionnaires. Round 2 tested the comprehensibility of ESM items. Round 3 tested the usability of the digital ESM-AC questionnaire using the m-Path app. Analyses included descriptive statistics and qualitative content analysis. RESULTS: Following the first round, we developed an initial core set of 68 items (to be used with all patients) and a supplementary set (optional; patients select items), both covering physical, psychological, social, spiritual-existential, and global well-being domains and concurrent contexts in which experiences occur. We categorized items to be assessed multiple times per day as momentary items (eg, "At this moment, I feel tired"), once a day in the morning as morning items (eg, "Last night, I slept well"), or once a day in the evening as evening items (eg, "Today, I felt hopeful"). We used participants' evaluations to optimize the questionnaire items, the digital app, and its onboarding manual. This resulted in the ESM-AC questionnaire, which comprised a digital core questionnaire containing 31 momentary items, 2 morning items, and 7 evening items and a supplementary set containing 39 items. Participants largely rated the digital questionnaire as "easy to use," with an average score of 4.5 (SD 0.5) on a scale from 1 ("completely disagree") to 5 ("completely agree"). CONCLUSIONS: We developed the ESM-AC questionnaire, a content-validated digital questionnaire for people with advanced breast or lung cancer. It showed good usability when administered on smartphone devices. Future research should evaluate the potential of this ESM tool to uncover daily experiences of people with advanced breast or lung cancer, explore its clinical utility, and extend its validation to other populations with advanced diseases.

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 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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,111
Score d'incertitude au seuil0,429

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)0,0000,000

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 Opus0,171
Tête enseignante GPT0,506
Écart entre enseignants0,336 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR CancerMême sujetMental Health Research TopicsTravaux en français237 207