Head and Neck Cancer in Pan-American Notable People: An International Survey
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background: The study of notable people as advocates for raising cancer awareness began in the latter decades of the 20th century. This research aimed to identify Pan-American notable people with head and neck cancer (HNC) and to explore senior health professionals’ perspectives on communicating stories of notable patients with HNC to promote prevention. Method: A cross-sectional survey was conducted using an online questionnaire designed in REDCap and administered to 32 senior health professionals with long-standing academic and clinical backgrounds in HNC. In addition, a structured literature review was performed on PubMed, Scopus, EMBASE, Web of Science, LILACS, and gray literature. Results: 18 notable figures were successfully identified from the survey, and 24 from the literature review. These individuals came from the United States, Brazil, Argentina, Mexico, El Salvador, Chile, Colombia, and Peru, and were recognized primarily for their performances as actors, artists, musicians, and athletes. The professionals’ outlooks were positive, with 31 (96.9%) agreeing that disseminating these stories can contribute to reducing risk behaviors. Furthermore, all participants (100%) agreed that such stories can promote early detection of HNC, primarily through social media, followed by the internet, and television. Conclusions: The study identified notable individuals and gathered positive perspectives from professionals. Our results suggest that notable people could serve as potential advocates for HNC prevention. Further research is warranted to explore the potential of this prevention strategy.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle