TreC_Metha: A Digital Application to Enhance Patient Agency, Therapy Compliance and Quality of Life in Metastatic Breast Cancer Patients
Notice bibliographique
Résumé
The prognosis for Hormonal Receptor positive-HER2-negative (HR+ HER2-negative) metastatic breast cancer (mBC) has significantly improved by advances in hormone therapies, targeted drugs, and antibody-drug conjugates (ADCs). Nevertheless, maintaining quality of life (QoL), managing symptoms, and reducing treatment-related toxicity remain essential. BACKGROUND: eHealth solutions offer new opportunities to enhance patient engagement and well-being through digital tools. This paper aims to delineate the fundamental functionalities and objectives of TreC_Metha, a technologically advanced instrument to provide effective support during all care process of patients diagnosed with HR+HER2-negative mBC able to proactively change its configuration depending on the treatment line or on the intra-line treatment phase the patient undergoes, as set by the healthcare team. METHODS: The TreC_Metha platform was developed through a structured, evidence-based four-phase process aimed at scalability, usability, and clinical relevance. The development began with a formal analysis of the metastatic breast cancer (mBC) care pathway using BPMN modeling to map phases, activities, and stakeholders, highlighting differences from early-stage breast cancer. This analysis informed the identification of key points where digital support could enhance care. Patient needs were assessed through a web-based questionnaire (N = 20) and two focus groups (N = 11), enabling a participatory design approach. Based on these insights, the platform's functional and non-functional requirements were defined, leading to the design and implementation of a patient-facing mobile app and a clinical dashboard tailored to mBC-specific needs. RESULTS: Preliminary findings from the web survey focus groups revealed significant gaps in communication and information delivery during the mBC care journey, contributing to patient anxiety and reduced confidence. Participants expressed a preference for digital and printed resources to improve understanding and facilitate interactions with healthcare providers. These insights informed the development of the TreC_Metha platform. The clinical dashboard enables real-time monitoring and decision-making, while the mobile app supports bidirectional communication, therapy adherence, and patient-reported data collection. A system prototype is currently under refinement and will undergo usability testing with a small cohort of users. Following this phase, the pilot study will evaluate the platform's impact on QoL, aiming for a ≥10% improvement in outcome measures and contributing to a more patient-centered care model in the mBC setting. CONCLUSIONS: TreC_Metha represents an innovative tool that may enable involvement and active participation in the mBC care process for both a multidisciplinary care team of professionals and the patient, and that can be easily adapted to other cancer types and chronic diseases.
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 | 0,005 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,002 |
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 ».