Patient perception of risk factors in head and neck cancer
Notice bibliographique
Résumé
BACKGROUND: A previous study at our institution noted that only 15% of newly diagnosed patients with oral cancer could identify smoking or alcohol abuse as major risk factors for the development of their cancer. The objective of this study was to determine the effectiveness of a simple educational intervention in 189 consecutively identified patients with head and neck malignancy. METHODS: Patients were interviewed prior to and immediately following reading a written educational pamphlet. The patients were then interviewed 5 weeks later to determine longer-term recall. Recall success was correlated to patient demographic parameters including level of education, occupation, sex, age, and place of residence. RESULTS: Immediate recall success increased, on average, 27% from preintervention knowledge, with the largest increase for the risk factor of alcohol abuse. Five-week postintervention recall success decreased on average 10.5% for all risk factors with the largest decrease being seen for smokeless tobacco use (12%). The immediate and 5-week recall success increases were both statistically significant when compared to the preintervention recall success (p < .05). Patient education level had the greatest impact on recall success at all time points (ANOVA, p < .001). Long-term recall for patients over the age of 60 was also statistically poorer. CONCLUSIONS: An educational intervention can have significant impact on patient knowledge of cancer risk. More effective educational interventions for poorly educated patients and the elderly may have to be devised to increase intervention success. Whether this knowledge translates into behavior change still needs to be studied.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».