Website Visitors Asking Questions Online to Lung Cancer Specialists: What Do They Want To Know?
Notice bibliographique
Résumé
BACKGROUND: In 2003 the Dutch Lung Cancer Information Centre (Longkanker Informatie Centrum) launched a website containing information on lung cancer accessible to anyone. OBJECTIVE: Our study aim was to inventorize the information needs of the visitors of this website by analyzing the questions they asked the lung cancer specialists in the websites interactive section "Ask the Physician". METHODS: The first 2000 questions posted up until May 2006 have been classified by visitors' wish, type of required information, identity, gender, and phase during treatment course. RESULTS: Our results show that 1893 (1158/1893, 61%) of the questions were asked by a loved one/caregiver and (239/1893 13%) by patients. 1 out of 3 questions was asked by a daughter/grand-daughter. Most questions concerned specific information on lung cancer and lung cancer course (817/1893, 43%). The most inquired specific information topics were therapy side effects, diagnostics, general information on lung cancer, and regular therapy. Furthermore, questioners wanted to verify their own doctor's information (122/1893, 6%), a diagnosis (267/1893, 14%), and a prognosis (204/1893, 11%). CONCLUSIONS: Lung cancer patients and their caregivers asked the most questions in the interactive website section. The most frequently requested information was more detailed information. These include specific information on lung cancer (regular therapy, diagnostics, and disease symptoms), verification of what the doctor has said, diagnosis, and prognosis. Most of the requested information could have been obtained from treating specialists, indicating that current information supply to lung cancer patients and their caregivers may not be matching their needs sufficiently. The further implementation of an online dialogue with lung cancer specialists might be a solution.
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 | 0,013 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,021 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».