Media Reporting of Health Interventions: Signs of Improvement, but Major Problems Persist
Notice bibliographique
Résumé
BACKGROUND: Studies have persistently shown deficiencies in medical reporting by the mainstream media. We have been monitoring the accuracy and comprehensiveness of medical news reporting in Australia since mid 2004. This analysis of more than 1200 stories in the Australian media compares different types of media outlets and examines reporting trends over time. METHODS AND FINDINGS: Between March 2004 and June 2008 1230 news stories were rated on a national medical news monitoring web site, Media Doctor Australia. These covered a variety of health interventions ranging from drugs, diagnostic tests and surgery to dietary and complementary therapies. Each story was independently assessed by two reviewers using ten criteria. Scores were expressed as percentages of total assessable items deemed satisfactory according to a coding guide. Analysis of variance was used to compare mean scores and Fishers exact test to compare proportions. Trends over time were analysed using un-weighted linear regression analysis. Broadsheet newspapers had the highest average satisfactory scores: 58% (95% CI 56-60%), compared with tabloid newspapers and online news outlets, 48% (95% CI 44-52) and 48% (95% CI 46-50) respectively. The lowest scores were assigned to stories broadcast by human interest/current affairs television programmes (average score 33% (95% CI 28-38)). While there was a non- significant increase in average scores for all outlets, a significant improvement was seen in the online news media: a rise of 5.1% (95%CI 1.32, 8.97; P 0.009). Statistically significant improvements were seen in coverage of the potential harms of interventions, the availability of treatment or diagnostic options, and accurate quantification of benefits. CONCLUSION: Although the overall quality of medical reporting in the general media remains poor, this study showed modest improvements in some areas. However, the most striking finding was the continuing very poor coverage of health news by commercial current affairs television programs.
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 | 0,138 | 0,288 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,005 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,006 | 0,010 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».