Raising awareness may increase the likelihood of hematopoietic stem cell donation: analysis of a nationwide survey using Artificial Intelligence
Notice bibliographique
Résumé
Abstract Background: In Italy, the demand for allogeneic transplantation exceeds the number of compatible donors registered in the Italian Bone Marrow Donor Registry (IBMDR). As various factors likely contribute to the donor shortage, our aim was to explore the knowledge, beliefs, opinions, values, and feelings of the Italian population regarding stem cell donation. Methods: An online survey was shared through social media. Two groups of respondents were retrospectively identified as those who were (currently or previously) registered on the IBMDR (Donor Group) and those who had never registered (Non-Donor Group). Statistical analyses were performed to confirm the relationship between respondents’ knowledge level and their willingness to donate. Then, a generative artificial intelligence strategy was applied using questionnaire responses as features to train 6 different classifiers for machine learning process. The aim was to predict the probability of IBMDR enrollment. Results: A total of 1518 respondents from throughout Italy participated in the study. Among NDG, a lower level of knowledge of donation needs (51.7% vs 24.4%, p<0.001) and negative feelings such as fear (Z=-2.2642, p=0.02), perplexity (Z=4.4821, p<0.001), and uncertainty (Z=3.3425, p<0.001) emerged. A higher level of knowledge about stem cell donation and associated processes predicted a greater likelihood of IBMDR enrollment. The machine learning analysis showed an area under the ROC curve (AUC) ranging from 0.65 to 0.81, depending on the classifier. Conclusions: The results underscore the need to improve strategies to raise awareness and knowledge of stem cell donation and its associated process among the Italian population.
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 | 0,002 | 0,006 |
| 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 | 0,000 | 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) | 0,002 | 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 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 ».