Adapting a Self-Guided eHealth Intervention Into a Tailored Therapist-Guided eHealth Intervention for Survivors of Colorectal Cancer
Notice bibliographique
Résumé
Unlabelled: Therapist-guided eHealth interventions have been shown to engage users more effectively and achieve better outcomes than self-guided interventions when addressing psychological symptoms. Building on this evidence, this viewpoint aimed to describe the adaptation of iConquerFear, a self-guided eHealth intervention targeting fear of cancer recurrence, into a therapist-guided version (TG-iConquerFear) tailored specifically for survivors of colorectal cancer (CRC). The goal was to optimize patient outcomes while minimizing the need for extensive resources. The adaptation process followed the Information System research framework, which facilitated a systematic integration of knowledge and iterative testing. Drawing on insights from the original iConquerFear development, as well as feedback from end users, oncologists, and therapists, we began by identifying areas for improvement. These insights formed the foundation for the first design cycle. Initial internal testing revealed the need for several adjustments to enhance the intervention. While the core concept of iConquerFear remained unchanged, we made significant modifications to improve access by optimizing the platform for mobile devices, to support adherence by expanding the exercises, and to equip therapists with tools such as reflective questions and a monitoring control panel. External field testing with 5 survivors of CRC provided further validation. Participants reported a high level of acceptability, and their feedback guided additional minor points to consider incorporating in future versions. This study illustrates how a self-guided eHealth intervention can be successfully adapted into a therapist-guided format for fear of cancer recurrence, tailored to meet the needs of survivors of CRC. The described approach serves as a valuable framework for integrating therapist guidance into similar interventions, ensuring their relevance and effectiveness for targeted populations.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».