A Telehealth-Based Behavioral Intervention for Cancer-Related Cognitive Decline in Older Adults Undergoing Systemic Therapy for Breast Cancer: Development and Usability Testing
Notice bibliographique
Résumé
Background: Cancer-related cognitive decline (CRCD) is a significant problem; interventions are needed to mitigate CRCD for older adults (aged ≥65 years). Objective: Our objective was to develop and evaluate the usability of Memory and Attention Adaptation Training-Geriatrics (MAAT-G), a CRCD intervention for older adults with breast cancer undergoing systemic treatment. Methods: We conducted an intervention adaptation study to develop MAAT-G. MAAT-G is a cognitive behavioral therapy-based intervention delivered by a health professional over the course of 10 weekly individual workshops via videoconferencing. To develop MAAT-G, the contextual, cohort-based, maturity, and specific challenge framework was used for preliminary adaptations. Patient advocate collaborators guided further refinement, reviewing MAAT-G workshop content, the participant workbook, and intervention delivery via videoconferencing to optimize relevance and usability for older adults. The usability of MAAT-G and its videoconferencing delivery were subsequently evaluated in 4 older adults with breast cancer using the System Usability Scale (score range 0-100; >67 being above average) and through semistructured qualitative interviews. Results: Numerous adaptations were made to address the unique needs of older patients using the contextual, cohort-based, maturity, and specific challenge framework and patient advocate feedback. Usability testing included 4 female patients with breast cancer (mean age 73.3, SD 3.77; range 67-77 years). Patients were receiving systemic therapy (2 receiving adjuvant therapy and 2 receiving advanced-stage disease therapy). One patient had an educational level lower than high school; 3 had some college education or higher. All 4 patients completed study procedures, including 10 MAAT-G workshop sessions (100% intervention adherence). The mean System Usability Scale score was 90.6 (SD 13.51), indicating good usability. Conclusions: MAAT-G is a behavioral intervention developed to mitigate CRCD. It is designed specifically for older adults and showed above-average usability in this population.
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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».