The Experiences of Adolescents and Young Adults with Digital Supportive Care Interventions for Cancer: A Systematic Review of Qualitative Studies
Notice bibliographique
Résumé
Background: Evidence suggests the importance of cancer supportive care for adolescents and young adults (AYAs), and digital technology may provide tailored care that is flexible, affordable and accessible. However, AYAs’ experiences with these digital cancer supportive care interventions are currently unclear. Objective: The aim of this review is to systematically identify and explore potential intervention facilitators, barriers and areas of improvement. Methods: We conducted a comprehensive search of MEDLINE (Ovid), EMBASE, PsycINFO and CINAHL for mixed methods and qualitative studies, published between 2000 and 2023, focusing on the experiences of AYAs between the ages of 15 and 39 years using digital supportive care interventions for cancer. Studies involving only pediatric and older populations were excluded. The identified studies were critically appraised and thematically analyzed. Results: Twenty-three digital interventions were identified. They varied in modality and addressed different aspects of supportive care (e.g., physical activity, psychological well-being and symptom management). Participants’ experiences with the intervention attributes (e.g., appropriate content, flexible choices, seamless technology and inclusive environment) influenced their physical and psychological health, connections and communication skills, and autonomy. Conclusions: Overall, AYAs reported favorable experiences with digital interventions when provided with tailored supportive care for cancer. Digital interventions may help to increase reach and access to supportive care for cancer; however, barriers to delivery, such as faulty technology or cumbersome intervention features, can negatively impact participant experiences and may reduce engagement.
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 | 0,028 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,009 | 0,010 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».