Understanding preferences for receiving health communications and information about clinical trials: a cross-sectional study among US adults
Notice bibliographique
Résumé
OBJECTIVE: Effective health communication is critical for understanding and acting on health information. This cross-sectional study explored participants' understanding of their health condition, their preferences for receiving health communications, and their interest in receiving clinical trial results across several therapeutic areas. METHODS: social media, email newsletters, and advocacy organizations. An online screener captured demographic information (health conditions, age, race/ethnicity, gender, and education). Eligible participants were emailed an online survey assessing preferred sources and formats for receiving health information, interest in learning about topics related to the results of clinical trials, and health literacy levels. RESULTS: In total, 449 participants (median age, 35 years [range, 18-76]; White, 53%; higher education, 65%; mean (range) health literacy score, 1.9 [0.4-3.0]) from 45 US states completed the survey representing 12 disease indications (bipolar, blood and solid tumor cancers, irritable bowel syndrome, inflammatory bowel disease, major depressive disorder, migraine, Parkinson's, psoriasis/atopic dermatitis, retinal vein occlusion/macular degeneration, rheumatoid arthritis, and spasticity). Healthcare providers were the preferred source of health information (59%), followed by Internet searches (11%). Least preferred sources were social media (5%), friends/family (3%), and email newsletters (2%). Participants preferred multiple formats and ranked reading materials online as most preferred (33%), along with videos (28%) and infographics (27%). Printed materials (14%) and audio podcasts (9%) were the least preferred formats. A majority of the participants reported that the health information they found was hard to understand (57%) and confusing (62%). Most participants (85%) were somewhat/very interested in learning about clinical trial results, with the highest interest in short summaries of safety (78%) and efficacy (74%) results. CONCLUSION: multiple formats shared directly by healthcare providers.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».