Use of online resources by patients with cancer: The Canadian experience.
Notice bibliographique
Résumé
318 Background: Canadians are among the highest users of the Internet. Online health information resources are easily accessible and provide quick information, but concerns exist about their role within a physician–patient relationship. Methods: Cancer patients across multiple disease sites, recruited from a regional cancer center, were interviewed regarding their internet use for health-related data. Descriptive statistics characterized online resource usage. Univariate and multivariate logistic regression models evaluated the association between socio-demographics, functional status, clinico-pathological variables and internet usage. Results: Of 191 patients in an interim analysis, 87% had home internet access. Google was the most commonly accessed website (79%), followed by cancer society websites (43%), Mayo Clinic (32%) and Wikipedia (28%). Disease-specific information (91%) was more commonly researched than information about specific physicians (30%). As expected, being married, having completed high school, earning a higher income and having home internet access were each associated with accessing information online (p<0.05). Patients were more likely to access disease-specific information through eMedicine than Wikipedia. Younger patients were more likely to evaluate support group information (aOR=5.9, 95%CI [1.6-21.3], p=0.02) and cancer society websites (aOR=2.6 [1.2-5.4], p=0.04). More educated patients used cancer society (aOR=2.7 [1.3-6.0], p=0.03) and subscription websites (aOR=3.8 [1.6-8.8], p=0.01). Surgical patients used subscription websites more than non-surgical patients (aOR=3.9 [1.7-8.8], p=0.006), obtaining disease-specific information (aOR=5.0 [1.4-18.5], p=0.04). Conclusions: Cancer patients commonly acquire health information from search engine queries. Socio-demographic and clinico-pathological variables affect online information access among cancer patients. Oncologists need to consider the potential benefits and pitfalls of patient online use in cancer management and in their physician-patient communication and shared decision making. Recruitment ends in August 2012 and data on the full 400 patient cohort will be presented. GL and SCG are co-senior authors.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,002 | 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) | 0,004 | 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 ».