MétaCan
Menu
Retour à la cohorte
Enregistrement W1985158562 · doi:10.4236/ce.2013.47061

The Impact of a Pharmacist-Conducted Interactive Anti-Smoking Education Program on the Attitudes and Knowledge of High School Students

2013· article· en· W1985158562 sur OpenAlexaff
Man-Tzu Marcie Wu, Wan-Chen Shen, Juei-Chia Chang, Yi-Chun Chiang, Hsiang-Mei Chen, Hsiang‐Yin Chen

Notice bibliographique

RevueCreative Education · 2013
Typearticle
Langueen
DomaineHealth Professions
ThématiqueSchool Health and Nursing Education
Établissements canadiensArtificial Intelligence in Medicine (Canada)
Organismes subventionnairesWan Fang HospitalTaipei Medical University
Mots-clésPharmacistIntervention (counseling)Smoking preventionMedicineFamily medicinePositive attitudeMedical educationPsychologyPharmacyNursingPublic healthSocial psychology

Résumé

récupéré en direct d'OpenAlex

Introduction: Smoking among adolescents remains a major concern because of its long term health hazards. An effective adolescent-specific anti-smoking education is needed. Objectives: To measure the impact of a school-based tobacco prevention program provided by pharmacists on the attitudes and knowledge of senior high students. Methods: An anti-smoking program specifically aimed at high school students was developed by pharmacists and introduced to 354 students inTaiwan. It consisted of a role play and a lecture. The students were asked to complete a structural questionnaire right before and after the intervention. Results: After the intervention, the average of the total attitude scores increased from 41.7 to 43.2 (p = 0.001), and the total knowledge scores increased from 6.4 to 8.2 (p 0.001). The average practice score was 31.2 (maximum score = 50) and the result suggested that the practice score was associated with attitude rather than knowledge. Conclusion: This pharmacist-conducted anti-smoking program for high school students resulted in positive changes regarding both attitude and knowledge. This suggests that further anti-smoking programs targeting students would be effective in helping to prevent youth smoking.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,079
Tête enseignante GPT0,546
Écart entre enseignants0,467 · 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

Citations3
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCreative EducationMême sujetSchool Health and Nursing EducationTravaux en français237 207