MétaCan
Menu
Retour à la cohorte
Enregistrement W2005399469 · doi:10.1080/14639230701780408

Readability and cultural sensitivity of web-based patient decision aids for cancer screening and treatment: A systematic review

2007· review· en· W2005399469 sur OpenAlexaff
Maria D. Thomson, Laurie Hoffman‐Goetz

Notice bibliographique

RevueMedical Informatics and the Internet in Medicine · 2007
Typereview
Langueen
DomaineHealth Professions
ThématiquePatient-Provider Communication in Healthcare
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesCenters for Disease Control and PreventionHealthwise
Mots-clésReadabilityCINAHLChecklistMEDLINEDecision aidsPsycINFOMedicineHealth literacySystematic reviewPatient educationFamily medicineMedical educationComputer scienceAlternative medicineHealth carePsychologyPsychological interventionNursingPathology

Résumé

récupéré en direct d'OpenAlex

Decision aids (DA) can inform cancer screening. We conducted a systematic review of web-based, cancer DA to evaluate their appropriateness for use with low literacy and diverse culture groups. Eighty-one Internet DA were found searching five databases (Pubmed-Medline; Web of Science/SSCI; Cancerlit; CINAHL; and Google) and the Cochrane decision aid inventory. Twenty-three met key inclusion criteria of (1) informing cancer screening or treatment decisions, (2) being patient or consumer oriented, and (3) conforming to the Cochrane definition of DA. DA were evaluated using the International Patient Decision Aid Standards checklist, the Cultural Sensitivity Assessment Tool (CSAT), the Cultural Sensitivity Assessment Checklist (CSAC), and the SMOG readability formula. DA had a high readability with 74% (n = 17) written at the grade 10 - 13, 22% (n = 5) at the grade 9, and 4% (n = 1) at the grade 8 level. Visual aids were used in 35% (n = 8) to present probability information. Written information was complemented with video or audio components in 35% (n = 8). Most (91%, n = 21) were developed for generic audiences, while 9% (n = 2) specified a cultural group. Although DA enabled a step-by-step movement through the website, none allowed key word searches and only 65% permitted document printing. Most DA included difficult texts and were not focused for specific cultural groups.

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)0,006
score de la tête « metaresearch » (Gemma)0,008
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,447
Score d'incertitude au seuil0,947

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0030,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,247
Tête enseignante GPT0,499
Écart entre enseignants0,253 · 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.

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

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

En bref

Citations58
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical Informatics and the Internet in MedicineMême sujetPatient-Provider Communication in HealthcareTravaux en français237 207