Facilitating patient communication through understanding their social media use: A comparison by age groups.
Notice bibliographique
Résumé
71 Background: Social media and internet is increasingly used by patients for cancer education, which can affect provider-patient communication. Usage habits of the adolescent-young adult (AYA; aged < 40 years), adult (age 40- < 65 years), and geriatric cancer populations (age 65+ years) are likely different. Methods: Using age-specific sampling, cancer patients across all disease sites cross-sectionally were asked to complete a survey of demographics, health status, and social media/online resource use for cancer education. Clinical information was abstracted. Results: Of 429 approached, 320 participated (126 AYA, 128 adults, 66 elderly). Males comprised 44%; 72% had post-secondary education; 31% had household incomes of > $100,000. Elderly patients were most likely to refuse participation (33% of elderly approached vs 16% AYA; p < 0.001), with the most common reason being "I do not use internet resources/don't plan on using them"(96% of all elderly refusals with available data). Among respondents, the proportion who utilized the internet for cancer education was 76%, 76% and 70% in AYA, adults, and elderly, respectively (p > 0.5). The use of social media tools in respondents was 49%, 40%, and 36%, respectively (p = 0.16 across age groups). While 75% of patients felt they could judge the quality of cancer-related information on the internet (no differences by age group, p > 0.5), a significantly lower 43% (p < 0.001) felt similarly confident to judge the quality of social media; AYA patients (49%) were numerically more likely to feel confident than seniors (36%; p = 0.16). Elderly were less likely to want online health record access (p = 0.015), treatment option (p = 0.042) and side effect education (p < 0.001), future care plan (p < 0.001) and wellness programs compared to others (p < 0.001). Conclusions: Although cancer patients used social media frequently, confidence is lacking on the quality of cancer information obtained (across all age groups), while elderly perceive fewer benefits of using online/social media related to their cancer. Guidelines for patients on how to assess quality and appropriately use social media could help facilitate patient-provider communication.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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; 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 ».