MétaCan
Menu
Retour à la cohorte
Enregistrement W2910634035 · doi:10.7759/cureus.3877

Poor Readability of Online Patient Resources Regarding Sentinel Lymph Node Biopsy for Melanoma

2019· article· en· W2910634035 sur OpenAlexaff
Paul P Yen, Sam M. Wiseman

Notice bibliographique

RevueCureus · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Literacy and Information Accessibility
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésReadabilityMedicineSentinel lymph nodeReading (process)BiopsyMelanomaGrade levelMedical physicsRadiologyCancerComputer scienceMathematics educationInternal medicine

Résumé

récupéré en direct d'OpenAlex

Background Established guidelines recommend that patient educational materials should be set at no higher than a sixth-grade reading level to be considered adequately comprehensible to the general public. Our study objective was to assess the readability of online patient resources related to sentinel lymph node biopsy (SLNB) as part of treatment for melanoma. Materials and methods The top 50 results from a Google search (search terms: "sentinel lymph node biopsy melanoma") were analyzed using seven established readability formulae in order to determine their level of adherence to current guidelines. Results We found that the readability of available online patient resources is currently very poor, with only 12% of the websites meeting the sixth-grade reading level criteria according to at least one measure, and 0% meeting the criteria according to all seven assessment tools. Furthermore, half of search results were peer-reviewed academic journal articles not intended for the general public. Discussion and conclusions Online patient resources related to SLNB carried out as part of melanoma treatment have poor readability. Several simple measures may be taken in order to make these resources more accessible and comprehensible to a broader audience. These resources should undergo ongoing evaluation, with the ultimate goal being improved readability and patient education.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,185
Score d'incertitude au seuil0,737

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,043
Tête enseignante GPT0,397
Écart entre enseignants0,354 · 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 tête enseignante, pas un consensus.

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

Citations8
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCureusMême sujetHealth Literacy and Information AccessibilityTravaux en français237 207