Patient Perspectives on Technological Barriers and Implementation Strategies Leveraged During a Real-World Remote Symptom Monitoring Program
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: Remote symptom monitoring (RSM) using electronic patient-reported outcomes leverages digital technologies to gather real-time information on patient experiences for symptom management. This study reports a formative evaluation of technology-related barriers encountered by patients participating in RSM and implementation strategies used to address those barriers in real-world, large-scale RSM implementations. METHODS: Purposive sampling was conducted to recruit patients diagnosed with cancer and participating in RSM at the University of Alabama at Birmingham and USA Health Mitchell Cancer Institute for semi-structured interviews. Interviews were coded to identify technology-related barriers using a constant comparative method. Expert Recommendations for Implementing Change list was used to address the barriers to optimize RSM implementation. Barrier-associated themes from the interviews were mapped to implementation strategies. RESULTS: . Themes were mapped to the implementation strategies as identified by the implementation team. Eight total implementation strategies were used to address these technology barriers: (1) assess for readiness and identify barriers and facilitators, (2) obtain and use patients/consumers and family/caregiver feedback, (3) involve patients/consumers and family members/caregivers, (4) access new funding, (5) change physical structure and equipment, (6) centralize technical assistance, (7) prepare patients/consumers to be active participants, and (8) intervene with patients/consumers to enhance uptake and adherence. CONCLUSION: Technology-related barriers may limit the uptake of RSM by patients. Addressing these barriers through multimodel assessment and intervention strategies is crucial to ensuring successful implementation of RSM in real-world settings.
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.
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 | 0,001 |
| 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 découle