MétaCan
Menu
Retour à la cohorte
Enregistrement W2964136490 · doi:10.1188/19.cjon.397-404

Skin Self-Examination: Partner Comfort and Support During Examinations as Predictors of Self-Efficacy in Patients At Risk for Melanoma Recurrence

2019· article· en· W2964136490 sur OpenAlexaff
Julia DiMillo, Nathan C. Hall, Manish Khanna, Christine Maheu, Annett Körner

Notice bibliographique

RevueClinical journal of oncology nursing · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueCutaneous Melanoma Detection and Management
Établissements canadiensJewish General HospitalMcGill University
Organismes subventionnairesnon disponible
Mots-clésMedicineMelanomaIncidence (geometry)DermatologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Skin self-examination (SSE) is an effective method for melanoma survivors to detect potential cancerous growths sooner. OBJECTIVES: The purpose of this study was to examine whether the SSE self-efficacy of patients with melanoma and their partners is affected by their partners' comfort and support during skin examinations. METHODS: 100 patient-partner dyads completed a 25-item sociodemographic questionnaire. Fifty-two partners attended an education session with the patient on skin examinations and the early detection of melanoma. All patients attended the education session. FINDINGS: Having their partners attend the education session, as well as being supportive and comfortable with skin examinations, significantly predicted patients' self-efficacy with SSEs. In addition, male patients were found to be significantly more comfortable with partner-assisted skin examinations and reported feeling more supported by their partner than female patients.

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 enseignants0,092
Score d'incertitude au seuil0,415

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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)0,0000,000

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 Opus0,024
Tête enseignante GPT0,358
Écart entre enseignants0,334 · 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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical journal of oncology nursingMême sujetCutaneous Melanoma Detection and ManagementTravaux en français237 207