Perceptions and Usability of PREVENTION: A Breast Cancer Risk Assessment e-Platform
Notice bibliographique
Résumé
Background: The PREVENTION e-platform was developed to provide accessible and evidence-based health information tailored to different Breast Cancer (BC) risk levels. The demonstration study objectives were to (1) assess the usability and perceived impact of PREVENTION on women with assigned hypothetical BC risk levels (i.e., near population, intermediate or high) and (2) explore perceptions and recommendations for e-platform improvement. Methods: Thirty women with no history of cancer were recruited through social media, commercial centers, health clinics, and community settings in Montreal, Qc, Canada. Participants accessed e-platform content tailored to their assigned hypothetical BC risk level, and then completed study e-questionnaires including the user Mobile Application Rating Scale (uMARS), an e-platform quality scale (i.e., in terms of engagement, functionality, aesthetics, and information). A subsample (n = 18) was randomly selected for an individual follow-up semi-structured interview. Results: The e-platform overall quality was high, with mean M = 4.01 (out of 5) and SD = 0.50. A total of 87% (n = 26) agreed or strongly agreed that PREVENTION increased their knowledge and awareness of BC risk, and 80% would recommend it to others while reporting likelihood of following lifestyle recommendations to decrease their BC risk. Follow up interviews indicated that participants perceived the e-platform as a trusted source of BC information and a promising means to connect with peers. They also reported that while the e-platform was easy to navigate, improvements were needed for connectivity, visuals, and the organization of scientific resources. Conclusion: Preliminary findings support PREVENTION as a promising means to provide personalized BC information and support. Efforts are underway to further refine the platform, assess its impact in larger samples and gather feedback from BC specialists.
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 | 0,003 | 0,008 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».