An Evaluation of Health Numeracy among Radiation Therapists and Dosimetrists
Notice bibliographique
Résumé
Purpose Medical errors in radiation oncology sometimes involve tasks reliant on practitioners' grasp of numeracy. Numeracy has been shown to be suboptimal across various health care professionals. Herein, we assess health numeracy among American Society of Radiologic Technologists (ASRT) members. Methods and materials The Numeracy Understanding for Medicine instrument (NUMi), an instrument to measure numeracy in the general population, was adapted to oncology for this study and distributed to ASRT members (n = 14,228) in 2017. Per NUMi scoring, health numeracy scores were categorized as low (0-7), low average (8-12), high average (13-17), or high (18-20). The impact of cGy versus Gy on numeracy performance was investigated. Spearman's rho and a Wilcox-Mann-Whitney test were used for comparisons between the different groups. Results A total of 662 eligible participants completed the instrument and identified as radiation oncology professionals. In the cGy and Gy NUMi scores, approximately 2% of respondents scored low-average, approximately 40% scored high-average, and approximately 58% scored high, with a median score of 18.0. Although the optimum NUMi score for ASRT members is unknown, one might expect our cohort to have numeracy skills at least as high as college freshmen. Roughly one-sixth of our study group scored at or below the average score of college freshmen (NUMi = 15). In the subset analysis of NUMi questions pertaining to radiation dose unit (cGy vs Gy), respondents performed better with cGy (mean score: 2.94; range, 2-3) versus Gy (mean: 2.91; range, 0-3; P = .011). Conclusions In this study of limited sample size, overall numeracy is quite good compared with the general population. However, the range of scores is wide, and some respondents have lower scores that may be concerning, suggesting that numeracy may be an issue that requires improvement for a subset of the studied cohort. Performance was superior with the unit cGy; thus, the adoption of cGy as the standard unit is reasonable.
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 | 0,005 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».