MétaCan
Menu
Retour à la cohorte
Enregistrement W4413511760 · doi:10.2196/69097

Developing and Testing an Online Portal for Virtual Navigation for Asian American Patients With Cancer: Pilot Feasibility Study

2025· article· en· W4413511760 sur OpenAlexvenueno aff
Janet N. Chu, Debora L. Oh, Laura Allen, Janice Y. Tsoh, Katarina Wang, Mei‐Chin Kuo, Hoan N. Bui, Andrea Hwang, Carmen Ma, Angeline Truong, Feng-Ming Li, Tung T. Nguyen, Scarlett Lin Gomez, Salma Shariff‐Marco

Notice bibliographique

RevueJMIR Cancer · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer survivorship and care
Établissements canadiensnon disponible
Organismes subventionnairesNational Center for Chronic Disease Prevention and Health PromotionNational Cancer Institute
Mots-clésPreprintAsian americansComputer scienceWorld Wide WebPsychologyPolitical science

Résumé

récupéré en direct d'OpenAlex

Background: Asian American patients have reported unique needs and barriers related to cancer care. While patient navigation can facilitate care coordination and help address barriers to care, in-person navigation is time and resource intensive. Virtual patient navigation can extend the benefits of patient navigation to more patients, especially those with non-English language needs. Objective: This study aimed to develop, implement, and test an online portal providing virtual navigation, including access to resources in English, Chinese, and Vietnamese, for Asian American patients with newly diagnosed colorectal, lung, or liver cancer. Methods: The online portal was built on a secure, cloud-based platform. We recruited adults aged 21 years or older with a recent diagnosis of stage I-IV colorectal, lung, or liver cancer; who identified as Asian American; spoke English, Cantonese, Mandarin, or Vietnamese; and resided in the Greater San Francisco Bay Area, California. Participants were assigned a language-concordant navigator who assessed their needs and provided tailored resources and support over 6 months through the online portal. Participants completed baseline, 3-month, 6-month, and user experience surveys. We report descriptive statistics on sociodemographic characteristics, quality of life (Functional Assessment of Cancer Therapy-General [FACT-G]), and user experiences. We used generalized estimating equations (GEE) to analyze repeated measures of quality of life. Results: The online portal included (1) a public-facing landing page, (2) a navigator interface, and (3) a participant interface, which were all available in English, Chinese, and Vietnamese. Among 51 participants, 47 (92%) and 49 (96%) completed the 3- and 6-month surveys, respectively. The mean age was 58 (SD 13) years, with 37 (73%) men, 33 (65%) speaking English, and 20 (39%) having less than a college education. Twenty-six participants (51%) had colorectal cancer, 21 (41%) had lung cancer, and 4 (8%) had liver cancer. The average total FACT-G score was 73.0 (SD 17) at baseline, 73.2 (SD 17) at 3 months, and 75.1 (SD 19) at 6 months. In GEE models, participants reported an increase in emotional well-being at 6 months compared to baseline (coefficient 0.99, 95% CI 0.01-1.97). Among the 47 participants who completed the user experience survey, some reported issues with registering and logging into the portal, but 44 (94%) reported that the program was culturally appropriate, 35 (74%) found calls from the navigators helpful, and 35 (74%) would recommend the program to others. Conclusions: This multilingual virtual patient navigation program for Asian American patients with cancer was deemed culturally appropriate and helpful in our pilot study. Emotional well-being improved among users of the portal. Some participants reported technical challenges, but most were satisfied with the program. Language-concordant virtual patient navigation and online supportive care tools can extend the reach and benefits of patient navigation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,053

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,011
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,069
Tête enseignante GPT0,391
Écart entre enseignants0,322 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR CancerMême sujetCancer survivorship and careTravaux en français237 207