Evaluation of Chronic Pain-Related Information Available to Consumers on the Internet
Notice bibliographique
Résumé
OBJECTIVE: Recent surveys suggest more than one third of patients utilize the Internet to seek information about chronic pain (CP) and that 60% of patients feel more confident in the information provided online than provided by their physician. Unfortunately, the quality of online information is questionable. For example, some Websites make unsubstantiated claims while others may have covert motives (i.e., product advertisement). This article presents two studies that utilized a well-validated tool to evaluate the quality of online CP-related information. DESIGN: A Website search was conducted by entering the most commonly used pain-related search terms into the three most commonly used search engines in North America. In study 1, the first 50 Websites from each search were evaluated using a consumer-focused evaluation tool-the DISCERN. In study 2, 21 clients with CP used the DISCERN to rate a random selection of Websites from among the 10 highest scoring and five lower scoring sites from Study 1, and answered open-ended questions regarding the DISCERN and Websites. RESULTS: Ratings indicated that Websites ranged substantially in quality, with many providing incomplete and incorrect information, and others providing accurate and detailed information. The majority of the Websites provided low-quality information. Client ratings of the Websites were consistent with those of the researchers. CONCLUSIONS: Overall, these findings speak to the risks associated with clients making CP-related treatment choices based on information obtained online without first evaluating the Website.
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 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 | 0,063 | 0,019 |
| 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 | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,048 | 0,007 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».