Evaluation of online, publicly available cancer‐related educational and self‐management resources for symptom management
Notice bibliographique
Résumé
OBJECTIVE: The aims of this study were to evaluate the readability, suitability, and quality of publicly available online self-management (SM) resources for people with cancer. METHODS: Resources were identified using two strategies: (1) a targeted search of 20 Canadian organizations and (2) a Google search. These were evaluated using the Suitability Assessment of Materials (SAM), the DISCERN tool for quality, and readability indices. The SM skills (e.g., problem-solving) and symptom management strategies addressed by each resource were also assessed. Descriptive and hierarchical cluster analyses were performed to identify resources of the highest suitability and quality as well as resource characteristics associated with higher quality and suitability. RESULTS: A total of 92 resources were evaluated. The mean reading grade level for English resources was 10.29 (SD = 1.64, range of 7.05 to 15.09) and 12.62 for French resources (SD = 2.27, range of 10.12 to 15.65). The mean SAM score across the sample was 50.4% (SD = 10.6%), or 'adequate', and the mean DISCERN score was 61.1% (SD = 11.8%), or 'fair'. The cluster analysis indicated that 10 resources scored highly on both the SAM and the DISCERN. In total, 91 symptom management strategies were identified. On average, resources addressed 2.73 SM skills (SD = 1.58). CONCLUSIONS: There is a need for plain language resources for people with lower reading ability and resources that incorporate more SM skills. Study findings will help healthcare professionals, patients, and their families identify optimal resources to address cancer-related symptoms.
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 | 0,001 | 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 | 0,000 | 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) | 0,002 | 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 ».