Information quality and dynamics of patients' interactions on tonsillectomy web resources
Notice bibliographique
Résumé
Information technologies have drastically altered the way patients gather health-related information. By analysing web resources on tonsillectomy, we expose information quality and dynamics of patients' interactions in the online continuum. Readability was assessed using Flesch Reading Ease (FRE), Flesch Kincaid Grade Level (FKGL), Simple Measure of Gobbledygook (SMOG), and Gunning Fog Index (GFI). Comprehensibility and actionability were assessed using the Patient Education Materials Assessment Tool (PEMAT). Metrics of forums included author characteristics (level of disclosure, gender, age, avatar image, etc.), posts' motive (community support vs. medical information) and content (word count, emoticon use, number of replies, etc.). Analysis of 6 professional medical websites, of 10 health information portals, and of 3 discussion forums totalizing 1369 posts on 358 threads, from January 1, 2007 to December 31, 2014, reveals that online resources exceed understandability recommendations. Women were more present on online health forums (68.2% of authors disclosing their gender) and invested themselves more in their avatar. Authors replying were significantly older than authors of original posts (39.7 ± 0.8 years vs. 29.2 ± 0.9 years, p < 0.001). The degree of self-disclosure was inversely proportional to the requests for medical information (p < 0.001). Men and women were equally seeking medical information (men: 74.0%, women: 77.0%) and community support (men: 65.7%, women: 70.4%), however women responded more supportively (women 86.2%, men 59.1%, p < 0.001). The dynamics of patients' interactions used to overcome accessibility difficulties encountered is complex. This work outlines the necessity for comprehensible medical information to adequately answer patients' needs.
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 | 0,002 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».