MétaCan
Menu
Retour à la cohorte
Enregistrement W4415958684 · doi:10.2196/76719

Feasibility and Acceptability of a Mobile App to Improve Quality of Life of Long-Term Breast Cancer Survivors: Single-Arm Pre-Post Intervention Pilot Study

2025· article· en· W4415958684 sur OpenAlexvenueno aff
Nelia Soto‐Ruiz, Gustavo Parra, Paula Escalada‐Hernández, Cristina García‐Vivar

Notice bibliographique

RevueJMIR Cancer · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer survivorship and care
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIntervention (counseling)UsabilityBreast cancerQuality of life (healthcare)mHealthMobile appsQuality (philosophy)Smartphone app

Résumé

récupéré en direct d'OpenAlex

Background: Long-term breast cancer survivors often continue to experience physical and psychological sequelae, despite being cancer-free; these challenges can negatively impact their quality of life and self-efficacy. Mobile health interventions constitute a promising strategy for providing personalized support. However, the feasibility and acceptability of these tools in long-term breast cancer survivors have not yet been sufficiently explored. Objective: This study aimed to evaluate the feasibility and acceptability of the CUMACA-M, a digital health app designed to improve the quality of life and self-efficacy in long-term breast cancer survivors. Methods: A single-arm feasibility pilot study was conducted with pre- and post-intervention evaluations. Participants were recruited from the Navarra Breast Cancer Association (Saray), a nonprofit organization supporting individuals with breast cancer in Navarra, Spain. The inclusion criteria included being female, being aged ≥18 years, having been diagnosed with breast cancer, and being disease-free for at least 5 years after primary treatment. The participants used the CUMACA-M app for 3 months. Feasibility was assessed through recruitment and completion rates, whereas acceptability was measured using the System Usability Scale and open-ended qualitative questions. Changes in quality of life and self-efficacy were analyzed with the Quality of Life-Cancer Survivors (QOL-CS) scale and the Self-Efficacy to Manage Chronic Disease Scale. Paired t tests were performed for pre-post comparisons. Results: A total of 23 women (mean age =52.8, SD 6.1 years) participated, with a 100% retention rate. The System Usability Scale score (mean 80.8, SD 15.2) indicated excellent usability. The health advice module received the highest level of satisfaction, whereas the nutrition and physical activity modules received suggestions for improvement. With respect to the clinical outcomes, no statistically significant differences were found between the pre- and post-intervention scores on the QOL-CS (total score: pre=5.96, SD 1.08; post=5.72, SD 1.20; P=.07) or the Self-Efficacy to Manage Chronic Disease Scale (total score: pre=6.57, SD 1.90; post=6.26, SD 1.82; P=.40). However, a reduction was observed in the QOL-CS spiritual well-being subscale (pre=5.35, SD 1.13; post=4.93, SD 1.22; P=.05). Conclusions: As a pioneering digital intervention for long-term breast cancer survivors, CUMACA-M appears to be a potentially viable and acceptable intervention for this population, as suggested by the high level of usability and absence of dropouts. However, the findings should be interpreted with caution because of the limited sample size and the short follow-up period. The lack of significant changes in quality of life or self-efficacy may be influenced by these constraints. Future studies with larger, more diverse samples and longer follow-up periods are needed to more robustly assess the long-term impact of this intervention.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,187
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,040
Tête enseignante GPT0,386
Écart entre enseignants0,347 · 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 tête enseignante, pas un consensus.

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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR CancerMême sujetCancer survivorship and careTravaux en français237 207