Urologists in cyberspace. A review of the quality of health information from American urologists’ websites using three validated tools
Notice bibliographique
Résumé
OBJECTIVES: In this paper, we evaluate a sample of urologists' web-sites, based in the United States, using three validated instruments: the Health on the Net Foundation code of conduct (HONcode), DISCERN and LIDA tools. We also discuss how medical websites can be improved. METHODS: We used the 10 most populous cities in America, identified from the US Census Bureau, and searched using www.google. com to find the first 10 websites using the terms "urologist + city." Each website was scored using the HONcode, DISCERN and LIDA instruments. The median score for each tool was used to dichotomize the cohort and multivariable logistic regression was used to identify independent predictors of higher scores. RESULTS: Of the 100 websites found, 78 were analyzed. There were 18 academic institutions, 43 group and 17 solo practices. A medical website design service had been used by 18 websites. The HONcode badge was seen on 3 websites (4%). Social media was used by 16 websites. Multivariable logistic regression showed predictors of higher scores for each tool. For HONcode, academic centres (OR 6.8, CI 1.2-37.3, p = 0.028) and the use of a medical website design service (OR 17.2, CI 3.8-78.1, p = 0.001) predicted a higher score. With DISCERN, academic centres (OR 23.13, p = 0.002, CI 3.15-169.9 and group practices (OR 7.19, p = 0.022, CI 1.33-38.93) were predictors of higher scores. Finally, with the LIDA tool, there were no predictors of higher scores. Pearson correlation did not show any correlation between the three scores. CONCLUSIONS: Using 3 validated tools for appraising online health information, we found a wide variation in the quality of urologists' websites in the United States. Increased awareness of standards and available resources, coupled with guidance from health professional regulatory bodies, would improve the quality urological health information on medical websites.
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 | 0,006 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| 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 ».