Comprehension of Internet-based numeric cancer information by older adults
Notice bibliographique
Résumé
Competency in health numeracy is essential in understanding risk about disease susceptibility and the consequences of disease treatment. Both health literacy and skill in using the Internet to obtain health information are lower among older compared with younger adults. Presentation format of health information has been shown to influence comprehension. The objective of this study was to determine the influence of information formatting (text and graphic) on older adults' comprehension of Internet-based numeric cancer risk information. This cross-sectional study involved a convenience sample of adults, aged 50 years and older from diverse ethnic and educational backgrounds. Cancer risk information, obtained from a Canadian Cancer Society web page, was presented as text, graphics or as a combination of text and graphics formats. Comprehension of the information was assessed by six questions focused on basic numeracy skill and ability to perform simple calculations and operations. A three-item general context numeracy and an eight-item health context numeracy instrument were used to describe health numeracy skills of participants. The six-item Newest Vital Sign (NVS) test was used to assess prose and numeric health literacy. There was no statistically significant effect of presentation format on participants' comprehension of the cancer information. Participants' comprehension of basic health numeracy information was positively correlated with education (p < or = 0.05) and income (p < or = 0.01) whereas comprehension of information that assessed calculation and operations numeracy skill was positively correlated only with income (p < or = 0.05). Health literacy skill and income explained a significant proportion of the variance in overall comprehension of Internet-based cancer risk information (R(2) = 0.414, p < or = 0.01) in this sample of older adults. Format of numeric risk information was not a significant factor in the comprehension of cancer risk information in this group of ethnically diverse, older adults. However, comprehension of the information was related to health literacy skill and income.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».