College Students’ Attitudes and Behaviors Related to Sun Safety and Appearance in Relation to Health Information-Seeking Behavior and Social Media Use: Cross-Sectional Study
Notice bibliographique
Résumé
Background: Skin cancer is the most common type of cancer in the United States. Rates of melanoma, a malignant form of skin cancer, are on the rise and are high among people under 30 years of age. Objective: This study aims to explore factors related to sun protection and tanning behavior and examine the influence of social media use and health information-seeking behaviors (HISB) on sun protection actions among a group of college students. Methods: In this cross-sectional study, students (N=258) at a large public university completed a survey that included questions on sun safety and tanning attitudes and behaviors, as well as HISB. A sun protection behavior score was created on the basis of behaviors related to seeking shade, using sunscreen, tanning booth and bed use, and the number of lifetime blistering sunburns. Multivariate logistic regression analyses were performed to assess associations between high and low sun protection behavior and sun safety and tanning attitudes and HISB. Results: The majority of participants were females (164/258, 63.8%), 31.0% (80/258) were white, and the mean age was 20.3 (SD 4.1) years. Females (odds ratio [OR] 0.42, 95% CI 0.22-0.81) and believers that suntan improves appearance (OR 0.25, 95% CI 0.10-0.66) were less likely to have “high” sun protection behaviors. Conclusions: The cultural belief that having a suntan improves appearance, especially among female college students, results in low sun protection behaviors. Interventions can be developed to improve skin cancer-related HISB among college students with the aim of developing better cognizance of skin cancer and sun protection behaviors.
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 | 0,000 | 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».