Web-Based Skin Cancer Prevention Training for Massage Therapists: Protocol for the Massage Therapists Skin Health Awareness, Referral, and Education Study
Notice bibliographique
Résumé
BACKGROUND: Skin cancer, the most common cancer in the United States, is costly and potentially deadly. Its burden can be reduced by early detection and prevention activities. The scope of skin cancer requires going beyond traditional health care providers to promote risk reduction. Partnering with the nonbiomedical workforce, such as massage therapists (MTs), may reach more individuals at risk. MTs see much of their clients' skin and are amenable to performing skin cancer risk reduction activities during massage appointments. OBJECTIVE: The objective of this study is to describe the Massage Therapists Skin Health Awareness, Referral, and Education protocol, presenting an overview of our systematic approach to developing rigorous e-training for MTs to enable them to be partners in skin cancer risk reduction. We also describe procedures for usability and feasibility testing of the training. METHODS: We developed an integrated electronic learning system that includes electronic training (e-training) technology, simulated client interactions, online data collection instruments, and in-person assessment of MTs' application of their training. RESULTS: A total of 20 participants nationally scored the e-training as high for usability and satisfaction. We have screened an additional 77 MTs in Arizona for interest and eligibility, and currently have 37 enrolled participants, of whom 32 have completed the Web-based training. CONCLUSIONS: The structured and rigorous development approach for this skin cancer risk reduction and brief behavioral intervention e-training for MTs begins to fill a gap in skin cancer risk reduction research. Iterative usability testing of our asynchronous Web-based training resulted in positive participant response. Our e-training approach offers greater learner accessibility, increased convenience, and greater scalability than the few existing programs and has the potential to reach many MTs nationally. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): DERR1-10.2196/13480.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,041 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,051 | 0,012 |
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 source (Gemma direct ou Codex distillé), 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 ».