Analysis of Internet Usage Among Cancer Patients in a County Hospital Setting: A Quality Improvement Initiative
Notice bibliographique
Résumé
BACKGROUND: Cancer is one of the most common diseases that patients research on the Internet. The Commission on Cancer (CoC) recommended that Parkland Memorial Hospital (PMH) improve the oncology services website. PMH is Dallas County's public health care facility, serving a largely uninsured, minority population. Most research regarding patient Internet use has been conducted in insured, Caucasian populations, raising concerns that the needs of PMH patients may not be extrapolated from available data. The PMH Cancer Committee, therefore, adopted a quality improvement initiative to understand patients' Internet usage. OBJECTIVE: The objective of the study was to obtain and analyze data regarding patients' Internet usage in order to make targeted improvements to the oncology services section of the institutional website. METHODS: A task force developed an 11-question survey to ascertain what proportion of our patients have Internet access and use the Internet to obtain medical information as well as determine the specific information sought. Between April 2011 and August 2011, 300 surveys were administered to newly diagnosed cancer patients. Multivariate analyses were performed. RESULTS: Of 300 surveys, 291 were included. Minorities, primarily African-American and Hispanic, represented 78.0% (227/291) of patients. Only 37.1% (108/291) of patients had Internet access, most (256/291, 87.9%) having access at home. Younger patients more commonly had Internet access, with a mean age of 47 versus 58 years for those without (P<.001). Education beyond high school was associated with Internet access (P<.001). The most common reason for Internet research was to develop questions for discussion with one's physician. Patients most frequently sought information regarding cancer treatment options, outcomes, and side effects. CONCLUSIONS: Less than one-half of PMH oncology patients have Internet access. This is influenced by age, educational level, and ethnicity. Those with access use it to obtain information related to their cancer diagnosis. The most effective way of addressing our patients' needs using the institutional website is to provide links to reputable disease-specific sites.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».