« Une campagne efficace qui a su conscientiser les jeunes femmes au cancer du sein » : Résultats des campagnes de sensibilisation au cancer du sein auprès des jeunes Canadiennes
Bibliographic record
Abstract
La présente étude pluriannuelle visait à reproduire le succès d’une campagne de sensibilisation au cancer du sein auprès des jeunes femmes et d’en évaluer l’efficacité. La campagne a été menée dans plusieurs établissements postsecondaires canadiens. Elle a été orchestrée par un organisme caritatif canadien, l’équipe Shan de sensibilisation au cancer du sein chez les jeunes femmes (Team Shan Breast Cancer Awareness for Young Women) dans les campus collégiaux et universitaires de l’Ouest canadien entre 2010 et 2016. L’étude était construite sur l’administration de questionnaires distribués à de jeunes femmes (de 17 à 29 ans) sur 11 campus avant (n = 880) et après (n = 794) la campagne de sensibilisation. Les questions évaluaient les activités de sensibilisation, les principaux messages à retenir et le transfert de connaissances sur le cancer du sein. L’équipe Shan a élaboré différentes stratégies pour sensibiliser les jeunes femmes au risque de développer un cancer du sein. Les campagnes se sont révélées un outil de santé publique efficace et ont eu une incidence positive sur les jeunes femmes. Les résultats de l’étude suggèrent que les stratégies de promotion de la santé sont utiles pour informer les jeunes femmes, un groupe à risque de souffrir d’un cancer du sein.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.018 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".