MétaCan
Menu
Retour à la cohorte
Enregistrement W2811506400 · doi:10.1177/2333393618783632

“They Should Be Asking Us”: A Qualitative Decisional Needs Assessment for Women Considering Cervical Cancer Screening

2018· article· en· W2811506400 sur OpenAlexaffabout
Brianne Wood, Virginia L. Russell, Ziad El‐Khatib, Susan McFaul, Monica Taljaard, Julian Little, Ian D. Graham

Notice bibliographique

RevueGlobal Qualitative Nursing Research · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueCervical Cancer and HPV Research
Établissements canadiensOttawa HospitalUniversité du Québec en Abitibi-TémiscamingueUniversity of ManitobaUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésCervical screeningMedicineCervical cancer screeningFamily medicineDecision aidsCervical cancerPap testPreferenceHealth careModalitiesHuman papillomavirusQualitative researchCancer screeningNursingGynecologyCancerAlternative medicine

Résumé

récupéré en direct d'OpenAlex

In this study, we examine from multiple perspectives, women's shared decision-making needs when considering cervical screening options: Pap testing, in-clinic human papillomavirus (HPV) testing, self-collected HPV testing, or no screening. The Ottawa Decision Support Framework guided the development of the interview schedule. We conducted semi-structured interviews with seven screen-eligible women and five health care professionals (three health care providers and two health system managers). Women did not perceive that cervical screening involves a "decision," which limited their knowledge of options, risks, and benefits. Women and health professionals emphasized how a trusted primary care provider can support women making a choice among cervical screening modalities. Having all cervical screening options recommended and funded was perceived as an important step to facilitate shared decision making. Supporting women in making preference-based decisions in cervical cancer screening may increase screening among those who do not undergo screening regularly and decrease uptake in women who are over-screened.

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)0,040
score de la tête « metaresearch » (Gemma)0,035
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,209

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0400,035
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0130,009
Communication savante0,0040,005
Science ouverte0,0030,008
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,429
Tête enseignante GPT0,642
Écart entre enseignants0,214 · 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'étudeQualitatif
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

Citations18
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGlobal Qualitative Nursing ResearchMême sujetCervical Cancer and HPV ResearchTravaux en français237 207