MétaCan
Menu
Retour à la cohorte
Enregistrement W2074819763 · doi:10.1097/01.ncc.0000343372.24517.bd

An In-depth Exploration of Information-Seeking Behavior Among Individuals With Cancer

2008· article· en· W2074819763 sur OpenAlexaff
Sylvie Lambert, Carmen G. Loiselle, Mary Ellen Macdonald

Notice bibliographique

RevueCancer Nursing · 2008
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Literacy and Information Accessibility
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésInformation seekingInformation seeking behaviorGrounded theoryPsychological interventionCoding (social sciences)MedicineFocus groupCancerQualitative researchSocial psychologyPsychologyInformation retrievalComputer scienceNursingMathematics

Résumé

récupéré en direct d'OpenAlex

The purpose of this 2-part paper was to describe individuals' health information-seeking behavior (HISB) patterns that emerged from our grounded theory study. Thirty individual interviews and 8 focus groups were conducted with individuals diagnosed with cancer. Analysis was characterized by constant comparison diagram, an evolving coding scheme, and ultimately the generation of a grounded theory of HISB patterns. Five HISB patterns were identified: (1) intense information seeking-a keen interest in detailed cancer information; (2) complementary information seeking--the process of getting "good enough" cancer information; (3) fortuitous information seeking--the search for cancer information mainly from others diagnosed with cancer; (4) minimal information seeking--a limited interest for cancer information; and (5) guarded information seeking--the avoidance of some cancer information. Part 1 focuses on describing the first 3 HISB patterns considered to illustrate variations in active information seeking. Each pattern is explained, including the type, amount, and sources of information sought. This analysis documents variations in active HISB often overlooked in the cancer literature. Findings may assist healthcare professionals in tailoring their informational interventions according to a patient's preferred HISB pattern. Furthermore, findings may inform the refinement of instruments measuring HISB to include variations in active information seeking.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,116
Score d'incertitude au seuil0,647

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,009
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,098
Tête enseignante GPT0,468
Écart entre enseignants0,369 · 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'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

Citations90
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer NursingMême sujetHealth Literacy and Information AccessibilityTravaux en français237 207