Digital technology as a tool to provide social support to individuals with cancer in low- and middle-income countries: A scoping review
Notice bibliographique
Résumé
Cancer is a rising cause of morbidity and mortality in low- and middle-income countries (LMICs). Individuals diagnosed with cancer in LMICs often have limited access to cancer prevention, diagnosis, and treatment services. Digital technologies, such as the Internet and mobile phones, could be used to provide support to individuals with cancer in a more accessible way. The goal of this scoping review is to understand how digital technology is being utilized by individuals with cancer for social support in LMICs. Four electronic databases were searched up to June 2024 to identify studies that reported on the use of digital technology for cancer social support in LMICs. Articles were included if they were published in English, included adults diagnosed with any type of cancer, and reported the use of digital technology for social support. Study characteristics, population demographics, and technological interventions reported were extracted. In all, 15 articles from 12 studies were included in the scoping review. Only four countries utilized digital technology for social support: China, Iran, Kenya, and Serbia. The most common cancer type reported was breast. Online health communities, Internet-based resources, mobile applications, and telecommunication were the four digital technologies reported. Overall, the articles demonstrated that the use of digital technology for social support can be beneficial for individuals diagnosed with cancer in LMICs. We found that digital technology may improve quality of life, reduce anxiety and depression, and allow individuals to connect with other individuals diagnosed with cancer. We concluded that there is a limited understanding of how digital technology can be used to support individuals with cancer in LMICs. Future research is needed to explore how digital technology can be utilized by underrepresented regions to offer avenues of support for regionally common cancer types such as cervical.
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 | 0,007 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,016 | 0,014 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».