MétaCan
Menu
← Retour à la cohorte
Enregistrement W2545350014 · doi:10.1109/tic-sth.2009.5444495

Health information from the web — assessing its quality: a KET intervention

2009· article· en· W2545350014 sur OpenAlexaff
Lubna Daraz, Joy C. MacDermid, Seanne Wilkins, Jane Gibson, Lynn Shaw

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Literacy and Information Accessibility
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésIntervention (counseling)Quality (philosophy)Computer scienceWorld Wide WebMedicineNursingPhysics

Résumé

récupéré en direct d'OpenAlex

The World Wide Web has been recognized as a significant Information and Communication Technology (ICT) to educate and empower consumers by providing information on their health problems, prevention/management of diseases and related health services. It has the ability to reach those with limited access to information, potential for online support/interaction, access to volumes of information on a wide breadth of topics and the ability for people to access information when needed or ¿in real-time¿. Information professionals and healthcare providers have become aware that consumers are increasingly using the web for meeting their health information needs. However, concerns remain about the potential effects of seeking health information on the web for health matters as consumers tend to be non-clinical and may not be able to judge the quality of online health information resources. The purpose of this pilot Knowledge Exchange and Transfer (KET) project was to develop a tool (Information Brochure) that could be used by consumers to empower and to help them identify higher-quality web health information. A structured process was used for the development of the KET intervention. Consumer feedback and evaluation confirmed that the intervention can be useful to increase knowledge about their health conditions, better communications with healthcare providers and assist in making decisions about their own health.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,008
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,002
Communication savante0,0010,002
Science ouverte0,0010,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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.

Tête enseignante Opus0,148
Tête enseignante GPT0,547
Écart entre enseignants0,399 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHealth Literacy and Information Accessibility→Travaux en français237 207→