Assessment of sun‐safety education behavior via spectrophotometric evaluation: A preliminary study
Notice bibliographique
Résumé
BACKGROUND: Biases inherent in self-assessment of sun exposure and sun-safe behavior may lead to inaccurate conclusions about the effectiveness of sun-safety educational programs. OBJECTIVES: We aimed to compare self-reports to objective measures of sun exposure, when examining the effectiveness of passive versus active educational interventions. METHODS: From May to June 2018, 73 participants recruited at a dermatology clinic were sequentially assigned to receive sun-safety education through one of 3 modes: interactive online module, video, or no education. A baseline Sun Exposure and Behavior Inventory (SEBI) questionnaire was administered, and spectrophotometric measurements of sun-exposed and sun-protected areas were taken and reported in the CIE L*a*b* color space. Participants were followed 4-8 and 16 weeks after the initial visit where the SEBI was re-administered, and serial measurements of skin color were taken. The change in SEBI scores and L*a*b values, as calculated by the individual typology angle (ITA°), was analyzed. RESULTS: There was a significant increase in skin darkening in all the groups at 4-8 and 16 weeks follow-up. There was no statistically significant difference between the groups in the magnitude of color change. However, subjectively at 4-8 weeks post-intervention, participants in the interactive module and video groups had significantly improved self-reported SEBI scores compared to control (p < .05, Kruskal-Wallis). By 16 weeks, only the interactive module group showed significant improvement in SEBI scores compared to control (p < .05, ANOVA). CONCLUSION: In determining the effectiveness of sun-safety programs, spectrophotometric evaluation of sun-induced skin pigmentation can allow for a more complete evaluation of self-reported sun exposure and sun-protective behavior.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».