MétaCan
Menu
Retour à la cohorte
Enregistrement W4407153352 · doi:10.2196/55023

Digital Health Program to Support Family Caregivers of Children Undergoing Growth Hormone Therapy: Qualitative Feasibility Study

2025· article· en· W4407153352 sur OpenAlexvenueno aff
Alba Jiménez-Díaz, Maitena Pierantonelli, Patricia Morte Coscolín, Amaia Salinas-Uhalte, Silvia Quer-Palomas, Octavio Rivera-Romero, Rocío Herrero, Luis Fernández-Luque, Rosa Baños, Ricardo C Berrios, Antonio de Arriba Muñoz

Notice bibliographique

RevueJMIR Pediatrics and Parenting · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueChildhood Cancer Survivors' Quality of Life
Établissements canadiensnon disponible
Organismes subventionnairesEuropean CommissionUniversidad de Sevilla
Mots-clésmHealthIntervention (counseling)Digital healthMental healthQuality of life (healthcare)Qualitative researchClinical psychologyFamily caregiversAnxietyPsychologyAffect (linguistics)Emotional well-beingMindfulnessMedicineHealth carePsychological interventionPsychotherapistNursingPsychiatry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Caregivers of children with growth hormone deficiency often face emotional challenges (eg, stress) associated with their children's health conditions. This psychological burden might affect children's adherence to treatment and hinder their health-related quality of life (HrQoL). This assumption is leading to seriously considering multidimensional clinical approaches to pediatric health conditions where the emotional well-being of caregivers should be accounted for to optimize children's health outcomes. Novel mobile health (mHealth) solutions based on emotional and behavioral change techniques can play a promising role because they are increasingly used within different health areas to support adaptive psychological functioning. However, whether and how mHealth solutions of this type of emotional well-being support caregivers of children with growth-related problems is an issue that needs to be clarified. OBJECTIVE: This study aimed to gather qualitative information to better understand individualized experiences of caregiving of children undergoing growth hormone therapy (GHt) and perceived barriers or facilitators for the adoption of an mHealth solution called Adhera Caring Digital Program (ACDP). METHODS: A total of 10 family caregivers were recruited at Miguel Servet Children's Hospital, and they engaged with the ACDP for 1 month. The ACDP is a mobile-based digital intervention focused on promoting the overall well-being of family caregivers which provides access to personalized education, motivational mobile-based messages, and mental well-being exercises such as mindfulness or respiratory exercises. Subsequently, an individual semistructured interview was performed to gather qualitative user experience information. RESULTS: The digital intervention was well-received. The ACDP was found to be useful, easy to use, and understandable, addressing all the difficulties expressed by caregivers. It was also noted to be particularly helpful at the beginning of the treatment and, for some families, became a natural tool that strengthened the parent-child relationship. CONCLUSIONS: The ACDP is a promising and well-accepted tool that enhances the experience of patients and caregivers. It improves the management of growth hormone deficiency and promotes the overall well-being of family caregivers. TRIAL REGISTRATION: ClinicalTrials NCT04812665; https://clinicaltrials.gov/study/NCT04812665. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): RR2-10.1186/s12911-022-01935-1.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,008
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0060,002
Communication savante0,0010,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,047
Tête enseignante GPT0,393
Écart entre enseignants0,346 · 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 source (Gemma direct ou Codex distillé), 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

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Pediatrics and ParentingMême sujetChildhood Cancer Survivors' Quality of LifeTravaux en français237 207