癌症病人的症状的管理在临床护理医生协商是一个基石,这个过程是基本的后续发展。本文介绍了一个应用程序,允许定期收集和系统的癌症患者和他们的数据可视化的医疗队。在本文中,我们分析,设计,实现,和最终评估通过分析相关的数据收集和交互模式来确定如何富含信息用户信息交互模式。我们跟随一个敏捷方法基于连续的迭代和增量开发原型与忠诚,增加的需求和解决方案根据需要随时间进化和评估。综合分析病人的病情允许我们执行第一次分析相关的病人有关情绪、睡眠质量、交互模式和痛苦。这个项目的未来目标是优化过程的数据收集和分析的信息。另一个未来的目标是减少时间致力于报道症状的进化在面对面的咨询,帮助专业人士在分析病人的进化甚至在没有亲自出席。
管理病人的症状消耗一半以上的时间通过卫生专业人员监控病人的进化。它被认为是临床护理的基石,特别是对于慢性疾病患者。然而,症状和身体残疾并不是被健康专家,直到病人预约。结果,干预的机会,减轻痛苦。此外,电子健康记录的不完整的信息(EHRs)限制医务人员的能力理解病人的结果。有几个移动健康应用程序可以远程监控病人在许多医学领域来克服这一障碍,如应用程序监控患者大脑遭受中风的风险通过云服务(
受苦和克服癌症的人数不断增加,这是一个伟大的关注他们的生活质量和护理质量。大多数的人在心理和生理上都调整好后完成他们最初的治疗。因此,至关重要的是识别过程中需要尽快提供支持。监测肿瘤患者被认为是一个基本的需要方面他们的后续
(
在这部作品中,最终用户是癌症患者,评估所有可能的影响因素在他们的进化(心理、物理治疗,和药理学)基础。为了更好的应用程序的设计和开发,我们遵循以病人为中心的设计,与病人和医务人员在连续采访他们。
本研究的目的是执行一个积分后续的癌症患者通过使用一个移动应用程序,允许注册生理和心理后续的水平,以及其他影响参数的进化:治疗,药物治疗,活动开展,睡眠质量等等。这个监控允许专业人员评估治疗的有效性,以及指导或个性化选择,确定另外人口处于危险之中,从而提高患者的生活质量。
此外,考虑交互模式参数记录,如选择更改由病人当回答每个问题和整个回复时间。通过研究收集到的数据,我们做了一个分析用户变量之间的关系(情绪、睡眠质量、和疼痛)和交互模式。
剩下的论文结构如下。研究了相关工作
人机交互(HCI)应用于卫生领域的日益发展的必不可少的医务人员和病人互动系统(
分析情绪已经开始根据可能的应用程序获得科学的兴趣,增加研究的数量与情感的成分及其形式的评价在不同领域
情感交流的角色的环境中人机交互非常相关,挑战当考虑到技术应用的不同区域(
健康一词的定义是移动计算的结合,医学传感器、医疗和通信技术(
除了干预医生与病人磋商,另一个相关方面的优化是下一步磋商之前做的。通过这种方式,他们可以提高医疗专业人士的方式决定一个新的治疗。有医疗应用程序优化医疗患者根据已知的偏好的磋商和其他选择标准(
Android移动信息应用一些遗传性疾病和障碍(AMAHD)是一个互补的医护人员和患者的框架。移动应用程序将有助于使敏感和补充的努力生物医学,医学,生物信息学领域的研究人员继承和遗传学的研究。AMAHD已经被证明是一个宝贵的资源的研究公司对抗遗传性疾病和疾病(
有一些由应用程序。例如,分享服务青少年与癌症疼痛管理应用提供患者疼痛管理支持基于个人的痛苦(
除了应用程序实现,一些论文在医学应用研究情绪的影响和如何与情绪系统的可用性,他们相互作用[
总之,监控和提醒应用程序帮助用户在协助他们在监视和跟踪病人的医疗记录以及药物的摄入量,也有一些研究表明情绪如何影响移动应用程序的可用性。这促使Close2U应用程序的发展意图帮助医师分析,应用程序可以把他们和帮助他们改善病人的治疗。此外,Close2U新奇的应用是它显示交互模式的分析可以丰富自我报告的用户信息。这项工作分析癌症患者变量和交互模式变量之间的相关性。
这个研究的主要材料是Close2U移动应用程序。应用程序考虑病人的整体监控。患者都能够看到和管理他们的药物和任命。约会的一部分,都与心理学家和医生,一段设计,他们可以想象日历中的约会或详细的列表,他们可以管理。部分患者的药物也被设计,这样他们就能跟踪他的处方,使他们能够想象和管理自己;药物可以每周或通过列表和细节。
为应用程序所使用的方法论Close2U敏捷方法是基于连续的迭代和增量开发原型与增加的功能。应用程序已经发展阶段的分析,设计,实现,和评价。连续改进允许的进化原型和它们的功能和质量的提高。敏捷方法可能是最适合的项目遭受大量的变化和需要更多的实时控制和与客户沟通,并允许适应可能出现的问题和做出必要的改变在每一个阶段的开始,而不必等待完成的所有操作。
如今,它将是至关重要的用户进入一个移动应用程序的设计和实现周期。此外,在医学科学研究社区,越来越多的认为国家的控制和预防癌症必须包含一个与病人沟通
设计和开发应用程序,一个概念性的框架是第一次;然后必要的数据捕获算法设计和必要的软件工具来设计选择。开发应用程序允许一个治疗和使用收集的关于身体状况的所有信息,活动,治疗,等等。后续的每个元素基本了解病人的大局,维护他们的隐私。信息收集,在优先秩序,行为进行定义。
本节介绍了用户界面屏幕显示最相关的最终实现Close2U应用。连续的变化发生在评估将会解释说,由于改变了整个实现的帮助下一起评估我们的心理学家和癌症患者。
图
用户界面的屏幕1:(a)情绪选择和(b)睡眠质量的选择。
屏幕上的数字
用户界面的屏幕2:(a)疼痛/不适选择,(b)疼痛级别选择,(c)身体部位疼痛的选择。
图
另一个有价值的方面是病人感到疼痛或不适的地方,和一个屏幕是患者能想象一个身体疼痛可能是由按钮使它更多的视觉表示。这是为了更直观的对病人,见图
设计阶段的目的是确保开发应用程序原型之前满足最终用户的需求转化为生产应用程序。我们使用统一建模语言(UML)来定义设计图表。
实施该计划的用户活动,心理学家的AECC前线被考虑。通过这种方式,与应用程序的交互,用户必须执行确认。图
活动图的Close2U应用。
选择问题的调查所示,之前的分析是通过连续的评估和他们进行精制。接下来,与每个人相关的接口设计,如部分所述
下一阶段的设计,一旦活动被定义,定义一个序列图,图
序列图的Close2U应用。
在序列图中,对象显示为生命线的调查和与他们交互随着时间的推移,用箭头表示从原点生命线到目标生命线。序列图适合显示哪些对象相互通信和消息触发这些通信。
实施,Android Studio IDE(集成开发环境),连同其病人模拟器执行部分。实施和验证进行了超过十二个月。
应用程序的验证了从需求分析阶段到最终实现的医疗专家AECC前线。第一个测试患者允许我们纠正现有的概念和设计错误。
曾经的第一功能原型应用程序已经准备好了,与用户进行了测试。基于这些,我们回到设计阶段和改进设计。通过评估,调整接口,从而提高方面的可用性和功能的应用程序,例如,所以这将是直观的为病人。此外,能够评估用户在使用的情绪活动的系统有现实意义的设计和改善我们的应用程序。
有23个用户自愿参与本研究,没有任何经济补偿。他们在平均50.21岁的标准差(SD) 10.09。他们6男性和17名女性。示例包括7癌症患者和健康人16。
我们评估睡眠质量与自我报告的问题“你怎么睡觉?”在回答清廉范围(零意义最糟糕的睡眠质量和十意义最好的)。我们决定痛苦的存在问题”你注意到任何疼痛或不适在过去12小时?“答案与“是的”,“不,”和“不舒服”选项。如果用户肯定地回答,然后应用问道:“你有什么程度的疼痛/不适呢?”这是说在一个1到10的范围(1最低疼痛和十个最大)。应用程序记录零水平如果用户先前回答感到疼痛和不适。我们评估了情绪通过询问用户“你感觉如何?”多个响应中97心情在五情绪类别分类(1:可怕的,2:沮丧,3:正常,4:动画,和5:辐射),分类的医学专家与我们在每一步的设计和开发应用程序。这些情绪是以下的:
类别1:不知所措,激动,羞愧,沮丧,愤怒,筋疲力尽,伤害,害怕,孤独,恐惧,失败,绝望,沮丧,筋疲力尽,无助,生气,沮丧,缺乏耐心,悲观,自我批评,恼怒,防御性的,鄙视和不满
类别2:有罪,强调,愤怒,坏,脾气暴躁,头晕目眩,紧张,难过,沮丧,无动于衷,担心,焦虑,烦躁,伤心,失望,痛苦,怀旧,冒犯了,饿了,缺乏信心,无能的,后悔的,不安全,拒绝了
类别3:无聊,困惑,睡着了,忙,沉思,累,中性,不平等,困惑,犹豫,懒惰,断开连接,保留,冷漠,忧虑,矛盾,断开连接,保留,冷漠,分散,焦躁不安,敏感,脆弱
4级:嗯,快乐,清醒,松了一口气,关心,善解人意,不重要,自信,冷静,和真诚
5级:超级自豪,满意,自信,活着,热情,坚强,鼓励,兴奋,感激,充满希望的,开放的
我们标签的响应与不止一个心情犹豫不决。我们评估每个问题的优柔寡断的次数,在提交之前用户改变他们的回复。我们应用这种方法(a)睡眠质量,(b)用户是否感到疼痛,这种疼痛(c)水平,(d)的心情。
我们使用系统可用性量表(SUS) (
首先,我们遵循了以用户为中心的设计。三个心理学家熟悉癌症检测Close2U应用在整个开发过程并提供反馈。开发人员改进应用程序遵循他们的建议,直到他们满意,达到高水平的可用性。通过这种方式,应用程序的功能丰富根据常见的癌症病人和他们的医生具体需求。
应用程序上传到谷歌玩,这是主要的Android应用商店。我们鼓励癌症病人使用应用程序在无控环境中,建议他们经常使用这个应用程序。
我们测量收集到的用户信息(相关的情绪、睡眠和疼痛)和信息交互模式(数量的改变在选择具体问题和全球调查回复时间)。我们分析了所有这些变量之间的相关性。
我们测量应用程序的可用性在研究结束的SUS规模。
表
情绪变化与时间关系的实现。
| 平均 | 犹豫不决 | 辐射 | 动画 | 正常的 | 气馁 | 可怕的 |
|---|---|---|---|---|---|---|
| Num.变化在选择情绪(#) | 1.57 | 0.22 | 0.39 | 0.24 | 0.67 | 1.50 |
| 调查完成时间(mm: ss) | 00:57 | 01:08 | 00:57 | 01:00 | 01:16 | 01:36 |
在图
情绪变化与时间关系的实现。
在第一近似,可以估计优柔寡断对应于积极情绪,因为决定调查的平均完成时间是类似于《纽约时报》的积极状态。
表
关系的疼痛水平变化和实现。
| 平均 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
|---|---|---|---|---|---|---|---|---|---|---|
| Num.变化在选择疼痛级别(#) | 0.08 | 0.42 | 0.78 | 0.42 | 0.93 | 0.67 | 0.31 | 0.61 | 1.00 | 1.43 |
| 调查完成时间(mm: ss) | 01:40 | 01:29 | 01:19 | 01:30 | 01:16 | 01:17 | 00:59 | 01:43 | 03:35 | 02:30 |
我们可以观察到在图的图
关系的疼痛水平变化和实现。
表
疼痛和时间变化关系的实现。
| 平均 | 没有痛苦 | 疼痛 | 不舒服 |
|---|---|---|---|
| Num.变化在选择痛苦(#) | 0.00 | 0.04 | 0.13 |
| 调查完成时间(mm: ss) | 00:49 | 01:22 | 01:24 |
在图的图
疼痛和时间变化关系的实现。
表
睡眠质量和时间变化关系的实现。
| 睡眠质量 | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
|---|---|---|---|---|---|---|---|---|---|---|---|
| Num.变化在选择睡眠质量(#) | 0.00 | 0.00 | 0.14 | 0.27 | 0.15 | 0.23 | 0.12 | 0.56 | 0.75 | 0.58 | 1.07 |
| 调查完成时间(mm: ss) | 01:06 | 04:25 | 01:19 | 00:51 | 00:53 | 01:05 | 00:54 | 01:07 | 01:11 | 00:57 | 01:05 |
睡眠质量和时间变化关系的实现。
我们可以观察到在图的图
为了确定如果有显著相关性,我们进行了用户变量(即之间的皮尔逊相关测试。、情绪、睡眠质量存在的痛苦和疼痛级别)和在选择这些变量的数量变化。表
皮尔森相关测试用户变量之间的数量和变化在选择响应为这些变量,分别。
| 情绪 | Num.在选择情绪变化 | 睡眠 | Num.变化在选择睡觉 | 疼痛 | Num.变化在选择痛苦 | 疼痛程度 | Num.改变选择情绪痛苦时的水平 | ||
|---|---|---|---|---|---|---|---|---|---|
| 情绪 | 皮尔森的相关性 | 1 | −0.172 |
−0.133 |
−0.054 | −0.158 |
−0.080 | −0.335 |
−0.035 |
| Sig (2-tailed)。 | 0.000 | 0.003 | 0.234 | 0.000 | 0.074 | 0.000 | 0.438 | ||
| N | 497年 | 497年 | 497年 | 497年 | 497年 | 497年 | 497年 | 497年 | |
|
|
|||||||||
| Num.在选择情绪变化 | 皮尔森的相关性 | −0.0172 |
1 | 0.084 | 0.166 |
−0.052 | 0.023 | 0.115 |
0.035 |
| Sig (2-tailed)。 | 0.000 | 0.061 | 0.000 | 0.244 | 0.608 | 0.010 | 0.433 | ||
| N | 497年 | 497年 | 497年 | 497年 | 497年 | 497年 | 497年 | 497年 | |
|
|
|||||||||
| 睡眠 | 皮尔森的相关性 | −0.133 |
0.084 | 1 | 0.300 |
0.121 |
0.027 | 0.125 |
0.037 |
| Sig (2-tailed)。 | 0.003 | 0.061 | 0.000 | 0.007 | 0.548 | 0.005 | 0.412 | ||
| N | 497年 | 497年 | 497年 | 497年 | 497年 | 497年 | 497年 | 497年 | |
|
|
|||||||||
| Num.变化在选择睡觉 | 皮尔森的相关性 | −0.054 | 0.166 |
0.300 |
1 | 0.053 | −0.025 | 0.139 |
0.402 |
| Sig (2-tailed)。 | 0.234 | 0.000 | 0.000 | 0.234 | 0.581 | 0.002 | 0.000 | ||
| N | 497年 | 497年 | 497年 | 497年 | 497年 | 497年 | 497年 | 497年 | |
|
|
|||||||||
| 疼痛 | 皮尔森的相关性 | −0.158 |
−0.052 | 0.121 |
0.053 | 1 | 0.194 |
0.703 |
0.393 |
| Sig (2-tailed)。 | 0.000 | 0.244 | 0.007 | 0.234 | 0.000 | 0.000 | 0.000 | ||
| N | 497年 | 497年 | 497年 | 497年 | 497年 | 497年 | 497年 | 497年 | |
|
|
|||||||||
| Num.变化在选择痛苦 | 皮尔森的相关性 | −0.080 | 0.023 | 0.027 | −0.025 | 0.194 |
1 | 0.149 |
0.049 |
| Sig (2-tailed)。 | 0.074 | 0.608 | 0.548 | 0.581 | 0.000 | 0.001 | 0.274 | ||
| N | 497年 | 497年 | 497年 | 497年 | 497年 | 497年 | 497年 | 497年 | |
|
|
|||||||||
| 疼痛程度 | 皮尔森的相关性 | −0.335 |
0.115 |
0.125 |
0.139 |
0.703 |
0.149 |
1 | 0.371 |
| Sig (2-tailed)。 | 0.000 | 0.010 | 0.005 | 0.002 | 0.000 | 0.001 | 0.000 | ||
| N | 497年 | 497年 | 497年 | 497年 | 497年 | 497年 | 497年 | 497年 | |
|
|
|||||||||
| Num.改变选择情绪痛苦时的水平 | 皮尔森的相关性 | −0.035 | 0.035 | 0.037 | 0.402 |
0.393 |
0.049 | 0.371 |
1 |
| Sig (2-tailed)。 | 0.438 | 0.433 | 0.412 | 0.000 | 0.000 | 0.274 | 0.000 | ||
| N | 497年 | 497年 | 497年 | 497年 | 497年 | 497年 | 497年 | 497年 | |
关于用户变量和交互模式有关的数量变化,测试发现显著相关性(a)对情绪和数量的变化在选择心情,(b)睡眠和数量的变化在选择睡觉,(c)疼痛和数量的变化在选择痛苦,痛苦(d)和数量的变化在选择痛苦水平,(e)疼痛级别和数量的变化在选择心情,(f)疼痛级别和数量的变化在选择睡觉,(g)疼痛级别和数量的变化在选择痛苦,和(h)疼痛级别和数量的变化选择痛苦时的水平。彼此之间关于用户变量,测试发现显著相关性之间的所有可能的对用户变量(1)情绪、睡眠(2),(3)疼痛,和(4)疼痛的水平。所有的重大情绪变量和其他变量之间的相关性有负相关系数。然而,所有non-mood-related变量之间的相关性显著的正关联系数。
为了确定调查时间和用户变量之间的相关性显著,我们进行了皮尔森相关测试和表
皮尔森相关测试调查时间和用户之间的变量。
| 调查的时间 | 情绪 | 睡眠 | 疼痛 | 疼痛程度 | ||
|---|---|---|---|---|---|---|
| 调查的时间 | 皮尔森的相关性 | 1 | −0.049 | 0.007 | 0.335 |
0.323 |
| Sig (2-tailed)。 | 0.272 | 0.874 | 0.000 | 0.000 | ||
| N | 497年 | 497年 | 497年 | 497年 | 497年 | |
|
|
||||||
| 情绪 | 皮尔森的相关性 | −0.049 | 1 | −0.133 |
−0.158 |
−0.335 |
| Sig (2-tailed)。 | 0.272 | 0.003 | 0.000 | 0.000 | ||
| N | 497年 | 497年 | 497年 | 497年 | 497年 | |
|
|
||||||
| 睡眠 | 皮尔森的相关性 | 0.007 | −0.133 |
1 | 0.121 |
0.125 |
| Sig (2-tailed)。 | 0.874 | 0.003 | 0.007 | 0.005 | ||
| N | 497年 | 497年 | 497年 | 497年 | 497年 | |
|
|
||||||
| 疼痛 | 皮尔森的相关性 | 0.335 |
−0.158 |
0.121 |
1 | 0.703 |
| Sig (2-tailed)。 | 0.000 | 0.000 | 0.007 | 0.000 | ||
| N | 497年 | 497年 | 497年 | 497年 | 497年 | |
|
|
||||||
| 疼痛程度 | 皮尔森的相关性 | 0.323 |
−0.335 |
0.125 |
0.703 |
1 |
| Sig (2-tailed)。 | 0.000 | 0.000 | 0.005 | 0.000 | ||
| N | 497年 | 497年 | 497年 | 497年 | 497年 | |
关于可用性,SUS测试69.2的平均结果在0 - 100的标准范围,和标准差(SD)是20.0。图
SUS规模的结果。
我们发现一个情绪和变化的数量之间的相关性在选择答案。这表明,在选择情绪变化的数量相关,因为它与有用的信息。这意味着癌症应用可以从用户那里收集丰富的信息通过计算选择反应时的数量变化的问题。因此,交互模式提供相关信息关于情绪。
结果显示,用户(即持怀疑态度。,they changed the replies more times) when selecting (a) negative moods, (b) high-quality levels of sleep, and (c) high levels of pain. Notice that we distinguished between low and high values for each user variable, and this was concluded from the sign of correlation coefficients. For example, in the case of moods, this may reveal that users perceived negative emotions as a combination of some basic emotions, in accordance to the theory of Ekman [
另一个相关的发现是,疼痛程度明显与其他相关研究的变量包括用户变量的数量变化在选择任何用户变量。因此,疼痛程度与最相关的变量信息由于其相关性和其他变量。
显著的相关性,相关系数的符号显示,情绪变量与睡眠相关变量和疼痛反应变量呈负相关。情绪和睡眠之间的负相关变量是有意义的,因为痛苦情绪的负面影响用户,疼痛可能不让他们睡得好。
调查时间和疼痛之间的关系(包括存在和水平)显示交互模式也提供了关于疼痛的有用信息。调查应用程序专用的很大一部分的疼痛,因为用户的特定位置被问及疼痛silhouette-based接口。用户花更多的时间取决于他们更高层次的痛苦。因此,未来的应用对癌症患者silhouette-based接口可以间接地帮助评估疼痛程度。
本研究的局限性之一是小样本大小的参与者。这个样本大小只允许我们探测大尺度效应的相关性。因此,我们可能没有发现与中小尺度效应的相关性。
一个移动应用程序已经被开发出来,它执行一个完整的病人的随访。本文专注于自我的情绪,睡眠质量,和痛苦当病人正在使用我们的应用程序中,提供一个心理学家的工具(a)改善他们的治疗,(b)改善与他们约会,(c)进行日常监测的患者,和(c)能够与他们交流外面对面的磋商。这增加了病人的照顾日常的感觉,因为他们不感到孤单。
本文介绍(1)移动健康应用如何帮助病人更积极地管理他们的护理,(2)情绪如何影响当完成调查,和(3)采取更多的时间或做更多的改变通常取决于他们的心情,疼痛,或睡眠质量。我们的研究显示,用户提供有用的信息从一些交互模式变量变量,证明了本研究中发现统计上显著的相关性。
这项工作激励未来的研究涉及的提取隐含的信息交互模式在癌症监测应用。用户变量之间的关系和交互模式触发一个有前途的研究路线对病人的信息从他们的模式与应用程序交互时,能够与这个non-self-reported信息收集的丰富信息。这项研究也可能导致采取implicit-extracted情绪适应病人的需要的接口。
根据医学专家,应用帮助他们收集相关数据对疾病更容易比如果他们不得不手动收集这些。在未来,我们打算分析如何治疗改善和面对面的磋商前等待时间减少。
在未来,它的目的是执行的记录和测量病人的进化,通过设备或传感器,以改善他们的治疗和生活质量。为了这个目的,我们将搜索可用的设备或传感器,将支持可评价的参数,影响病人的捕捉,与此同时,我们的应用程序将收集数据。起初,智能传感器和腕带将用于记录心率、心电图(ECG),血压和心率变异性(HRV)。我们还将探索注册表的其他参数如血液中的氧气水平,皮肤和体温和呼吸模式。
避免侵犯隐私的数据是不可用的。
作者宣称没有利益冲突有关的出版。
作者要感谢AECC的心理学家的前线,他们愿意帮助他们改善应用程序。这项工作由研究项目“癌症监测和治疗新技术”和“研究的进步,骨癌患者的诊断和监测为主要或次要肿瘤”安东尼奥Gargallo大学基金会”。“这项工作部分是由西班牙科学、创新和大学(MCIU),国家研究机构(AEI)和欧盟(菲德尔)通过合同rti2018 - 096986 b - c31和阿拉贡的政府和欧盟通过菲德尔2014 - 2020”Construyendo欧罗巴desde阿拉贡“行动(集团T25_17D)。他们也承认部分支持CYTED (ref。518 rt0558)和MCIU (tin2017 - 88327 r)。