A Mobile App to Increase Informed Decisions About Colorectal Cancer Screening Among African American and Caucasian Women
Notice bibliographique
Résumé
At this time, there are no interactive mobile apps designed to increase informed decisions about colorectal cancer screening among women. Colorectal cancer is the third leading cause of cancer death among women. The study's purpose was to explore the usability, acceptability, and satisfaction with a mobile app designed to increase colorectal cancer screening informed decisions among 50- to 64-year-old women. Using previous research, an interactive mobile app to increase informed decisions about colorectal cancer screening was developed and pilot tested among African American and Caucasian women (N = 41). In total, 80.6% of women strongly agree/agreed that the mobile app made them think about colorectal cancer screening, 83.8% strongly agree/agreed that the mobile app provided enough information to make a decision about colorectal cancer screening, and 86.1% strongly agree/agreed that the mobile app could help them talk to their provider about colorectal cancer screening. Participants (63.2%) identified family/spouse as who they would talk to about their colorectal cancer screening decision. Participants found the mobile app easy to use and useful in making colorectal cancer screening decisions. Social support is important when making decisions about colorectal cancer screening. Healthcare professionals need new strategies, such as mobile apps, that engage patients, have the potential to increase patient-provider communication, and increase colorectal cancer screening adherence.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».