Alfabetización en materia de salud y prevención del cáncer
Notice bibliographique
Résumé
En los ultimos anos se ha producido una disminucion de las tasas de mortalidad por cancer, aunque el cancer sigue siendo la principal causa de muerte en Francia y Quebec. Algunos factores contribuyen a esta reduccion de las tasas de mortalidad. El merito de esta evolucion estriba en una mejor deteccion del cancer, un mejor seguimiento cuando se detectan anomalias y, por ultimo, el tratamiento del cancer, que sigue beneficiandose de los nuevos descubrimientos que proporcionan un conjunto de medidas cada vez mas eficaces para luchar contra esta enfermedad. Tambien hay campanas para promover estilos de vida saludables, en particular contra el tabaquismo. Sin embargo, el cancer es mas frecuente en ciertos subgrupos. En algunos segmentos de la poblacion se pueden detectar unas tasas de cancer mas elevadas y unas tasas de deteccion mas bajas, lo que da lugar a disparidades en las tasas de cancer entre los subgrupos. Un nivel de competencias insuficiente en materia de alfabetizacion sanitaria seria uno de los factores que se han identificado para explicar estas diferencias. Segun esta hipotesis, el presente articulo comienza con una breve definicion de la alfabetizacion en general y de la alfabetizacion sanitaria en particular, e identifica algunos de los comportamientos asociados a los conocimientos sobre la salud. A esto le siguen datos de estudios que han analizado la relacion entre la alfabetizacion y la deteccion del cancer en general y de algunos canceres en particular. En conclusion, se presenta una via de pensamiento para tener mas en cuenta la alfabetizacion durante la deteccion del cancer.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».