372 Defining and designing a remote monitoring tool for CAR T-cell therapy patients
Notice bibliographique
Résumé
Objectives/Goals: The research aims to prototype a mobile app for physicians to remotely monitor patients receiving CD19-directed CAR T-cell therapy post-discharge. This app will facilitate standardized data collection across carious CAR-T treatment centers and help harmonize follow-up protocols. Methods/Study Population: A literature review and semi-structured interviews with patients, clinical coordinators, and experts helped identify essential parameters for a mobile app prototype aimed at monitoring adverse effects such as cytokine release syndrome and neurotoxicity. The app was designed through process mapping to combine data from self-reports and wearable devices, such as the Garmin smartwatch. New screens were designed in Figma, drawing from an existing patient monitoring app for allogeneic stem cell transplant follow-up. Finally, a preliminary feasibility study will be conducted to gather feedback on the app prototype from CAR T-cell therapy patients, healthcare providers, and stakeholders, ensuring its effectiveness and usability. Results/Anticipated Results: Semi-structured interviews with people with professional and lived experience with CAR T-cell therapy were conducted to determine what metrics might be monitored and how they could be measured remotely to effectively monitor for side effects. The mobile phone application was then prototyped using process mapping in Visio®, designed in Figma, and preliminary development was completed. The final prototype includes parameters that will be recorded or measured using a combination of self-reporting and devices to monitor body temperature, basic vitals, activity, sleep, and cognitive function, among others. The prototype of the remote monitoring app is the first step in implementing remote monitoring of CAR T patients, standardized data collection, and reduction in the overall cost of CAR T-cell therapy. Discussion/Significance of Impact: This app will enable physicians to monitor patients for routine follow-ups and adverse effects, such as CRS and ICANS. Future research will validate the digitized ICANS assessment and used to establish best practices for standardizing CAR-T follow-up protocols across Canada.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».