Development and user testing of gene pilot: an electronic health decision support tool for Black cancer patients about tumor genomic profile testing
Notice bibliographique
Résumé
Introduction Tumor genomic profiling (TGP) is used to optimize cancer treatment but is underutilized by Black patients, despite having disproportionately higher cancer morbidity and mortality. No interventions using electronic health decision support tools (eHealth DSTs) have been developed to assist patients with understanding this test or address barriers to uptake and communicating preferences with a doctor. Methods Using the Ottawa Decision Support Framework, we systematically developed the Gene Pilot eHealth DST with Black cancer patients. We conducted qualitative focus groups (five groups, N = 33) and surveys ( N = 121), elicited community advisory board feedback ( N = 10) to devise DST content and communication strategies, and then conducted user testing ( N = 10). Content was informed by commercial marketing techniques - segmentation, perceptual mapping, vector message modeling – to elucidate how medical mistrust was an important construct to address in Gene Pilot. Results User testing (1–7 scale) indicated Gene Pilot was highly accepted, including ease of use (M = 6.67, SD = 0.50), that it addressed important barriers such as medical mistrust and genetic literacy (6.63, SD = 0.52), and allowed patients to prepare for the decision (M = 6.44, SD = 0.73) and to communicate with their doctor (M = 6.33, SD = 0.73). Suggestions for improved navigability were addressed. Conclusion Overall, Gene Pilot was found to be acceptable, suggesting its readiness for efficacy testing.
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 | 0,000 | 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 ».