The iPrevent Online Breast Cancer Risk Assessment and Risk Management Tool: Usability and Acceptability Testing
Notice bibliographique
Résumé
BACKGROUND: iPrevent estimates breast cancer (BC) risk and provides tailored risk management information. OBJECTIVE: The objective of this study was to assess the usability and acceptability of the iPrevent prototype. METHODS: Clinicians were eligible for participation in the study if they worked in primary care, breast surgery, or genetics clinics. Female patients aged 18-70 years with no personal cancer history were eligible. Clinicians were first familiarized with iPrevent using hypothetical paper-based cases and then actor scenarios; subsequently, they used iPrevent with their patients. Clinicians and patients completed the System Usability Scale (SUS) and an Acceptability questionnaire 2 weeks after using iPrevent; patients also completed measures of BC worry, anxiety, risk perception, and knowledge pre- and 2 weeks post-iPrevent. Data were summarized using descriptive statistics. RESULTS: The SUS and Acceptability questionnaires were completed by 19 of 20 clinicians and 37 of 43 patients. Usability was above average (SUS score >68) for 68% (13/19) clinicians and 76% (28/37) patients. The amount of information provided by iPrevent was reported as "about right" by 89% (17/19) clinicians and 89% (33/37) patients and 95% (18/19) and 97% (36/37), respectively, would recommend iPrevent to others, although 53% (10/19) clinicians and 27% (10/37) patients found it too long. Exploratory analyses suggested that iPrevent could improve risk perception, decrease frequency of BC worry, and enhance BC prevention knowledge without changing state anxiety. CONCLUSIONS: The iPrevent prototype demonstrated good usability and acceptability. Because concerns about length could be an implementation barrier, data entry has been abbreviated in the publicly available version of iPrevent.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».