Education and Symptom Reporting in an mHealth App for Patients With Cancer: Mixed Methods Development and Validation Study
Notice bibliographique
Résumé
Background: The widespread prevalence of cancer across the globe demands cutting-edge solutions for its treatment. Current cancer therapies, notably chemotherapy, pose challenges due to their side effects. The early detection and management of the side effects are vital but complex. This study introduces a mobile health app designed to bridge the communication gaps between patients with cancer and health care providers. Hence, it allows patients to report symptoms immediately and also enables proactive symptom management by health care providers. Objective: This study has 2 objectives: first, to design a cancer-focused mobile health app that integrates educational content and real-time symptom reporting for chemotherapy patients. Second, to validate and evaluate the app quality using the Mobile App Rating Scale (MARS). The app seeks to foster health care communication, reduce hospital readmissions, and optimize symptom management, contributing to a more impactful patient experience. Methods: This mixed-methods study details the development and validation of mobile health applications. The app was designed by a multidisciplinary team, including nurses, medical professionals, pharmaceutical chemists, computer engineers, and software developers, using agile methodologies. For validation, the app was assessed by 13 evaluators, including clinical professionals (nurses and physicians) and engineers. The evaluation included technical performance analysis using Google tools and quality assessment using the MARS, which measures engagement, functionality, aesthetics, and information quality. Results: Performance metrics highlighted areas for improvement, with loading times showing delays in displaying content. Meanwhile, the response time of the app was moderate, and visual stability remained excellent. The app achieved an overall MARS score of 3.75 (SD 0.42), indicating consistent quality, with functionality scoring the highest (4.35; SD 0.52) and engagement the lowest (3.31; SD 0.61). The reliability of the MARS was confirmed (interclass correlation coefficient: 0.84; 95% CI: 0.72-0.92). Evaluators unanimously praised the app's potential benefits for patients and clinical professionals while identifying areas for improvement such as customization, onboarding guidance, and navigation. Conclusions: The CONTIGO app showed strengths in functionality, usability, and information quality, supported by robust security measures. However, areas such as user interactivity and engagement require improvement. Future refinements will integrate insights from patients with cancer to address user-specific needs and enhance the oncology care experience.
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 | 0,053 | 0,080 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».