MétaCan
Menu
Retour à la cohorte
Enregistrement W2807028584 · doi:10.1080/2331205x.2018.1483591

Trial of infographics in Northern Ireland (TINI): Preliminary evaluation and results of a randomized controlled trial comparing infographics with text

2018· article· en· W2807028584 sur OpenAlexfundno aff
Alan David McCrorie, Jingwen Jessica Chen, Ross Weller, Kieran McGlade, Conan Donnelly

Notice bibliographique

RevueCogent Medicine · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Literacy and Information Accessibility
Établissements canadiensnon disponible
Organismes subventionnairesQueen's University BelfastQueen's UniversityCancer Research UK
Mots-clésInfographicRandomized controlled trialMedicineIconSurgeryComputer scienceData mining

Résumé

récupéré en direct d'OpenAlex

Infographics represent a potential means of improving public knowledge about cancer. However, there is little experimental evidence of their efficacy. This preliminary study investigates whether infographics are superior to text for the communication of information about cancer risk in old age via a three armed randomized controlled trial. Trial involved allocation concealment and block randomization of 30 male participants aged over 50 to receive text information (control) or one of two infographics (interventions). Participants who viewed an infographic were more likely to know the correct association between cancer risk and old age compared with those viewing text information (risk ratio = 3.0, 95% confidence interval 0.82-10.90). Participants had limited understanding of the phrases "cancer incidence" and "cancer prevalence" but good understanding of the phrases "cancer risk factor" and "cancer stage." Possession of good numerical skills appears to be a key determinant of ability to extract meaning from statistical information provided; regardless of format. Initial results suggest icon array infographics may be more effective communication mediums than text but further study with more participants and an updated infographic is necessary to confirm this finding. TRIAL REGISTRATION NUMBER: ISRCTN33951209.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,015
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0120,001

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.

Tête enseignante Opus0,070
Tête enseignante GPT0,440
Écart entre enseignants0,370 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai randomisé
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

Citations49
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCogent MedicineMême sujetHealth Literacy and Information AccessibilityTravaux en français237 207