Dupuytren Disease: Is There Enough Comprehensive Patient Information on the Internet?
Notice bibliographique
Résumé
BACKGROUND: Dupuytren disease is a chronic nonmalign fibroproliferative disorder that causes finger contractures via proliferation of new tissue under the glabrous skin of the hand, resulting in multiple functional limitations for the patient. As many surgical therapy options exist, patients suffering from this condition actively search for information in their environment before consulting a health professional. OBJECTIVE: As little is known about the quality of Web-based patient information, the aim of this study was to conduct its systematic evaluation using a validated tool. METHODS: A total of 118 websites were included, and qualitative and quantitative assessment was performed using the modified Ensuring Quality Information for Patients (EQIP) tool. This standardized and reproducible tool consists of 36 items to assess available information in three categories: contents, identification, and structure data. Scientific data with restricted access, duplicates, and irrelevant websites were not included. RESULTS: Only 32 websites addressed more than 19 items, and the scores did not significantly differ among the website developers. The median number of items from the EQIP tool was 16, with the top websites addressing 28 out of 36 items. The quality of the newly developed websites did not increase with passing time. CONCLUSIONS: This study revealed several shortcomings in the quality of Web-based information available for patients suffering from Dupuytren disease. In the world of continuously growing and instantly available Web-based information, it is the health providers' negligence of the last two decades that there are very few good quality, informative, and educative websites that could be recommended to patients.
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 | 0,001 | 0,006 |
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 tête enseignante, 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 ».