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 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 | 0,006 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».