MétaCan
Menu
Retour à la cohorte
Enregistrement W4311861892 · doi:10.3390/curroncol29120759

Association of Sun Safety Behaviors and Barriers with Sunburn History in College Students in a Region with High UV Exposure

2022· article· en· W4311861892 sur OpenAlexvenueno aff
Dylan T. Miller, Zoe Baccam, Robin B. Harris

Notice bibliographique

RevueCurrent Oncology · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueSkin Protection and Aging
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSunburnMedicineSun protectionSkin cancerSun exposureDermatologyEnvironmental healthCancerDemographyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Over five million cases of skin cancer are diagnosed each year in the United States with melanoma the third most common cancer in young adults. While publications have shown that sunburns increase the risk of developing melanoma throughout the lifetime including in adolescence and adulthood showing the importance of altering sun exposing behaviors throughout the lifetime, use of sun protection in college students remails low. In Fall 2019, an online survey of undergraduate students living on campus at a large southwestern university was conducted to determine the frequency of recent sunburns as well as sun protective behaviors and perceived knowledge of and barriers to sun protection. Associations between knowledge, behaviors, and barriers with self-reported sunburn were evaluated using logistic regression. Over 46% of 458 students reported at least one sunburn in the past three months and 21% reported having multiple sunburns in that period. Furthermore, 53% reported that they intentionally tanned their skin outdoors occasionally or more frequently, while 6.4% reported using an indoor tanning bed occasionally or more. Adjusted for skin sensitivity, recent sunburn history was associated with higher tanning activity scores and with high agreement that tanning was attractive (p < 0.01). This information can inform a more targeted series of intervention programming on the university campus.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,320
Écart entre enseignants0,290 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent OncologyMême sujetSkin Protection and AgingTravaux en français237 207