Patient‐targeted websites on overactive bladder: What are our patients reading?
Notice bibliographique
Résumé
AIMS: Patients often turn to the Internet for information on medical conditions. We sought to evaluate the quality and readability of highly visible websites on overactive bladder (OAB). METHODS: A survey of 42 consecutive patients attending outpatient urogynecology clinics was performed to identify the most commonly used Internet search engines and search terms for information on OAB. The three most commonly used search engines (Google, Bing, and Yahoo!) were then queried using the three most commonly used search terms. The first 20 relevant websites from each search were reviewed. After excluding duplicates, 35 websites were analyzed. Website quality of information on OAB was evaluated using the DISCERN score, JAMA benchmark criteria, and Health on the Net code (HONcode) accreditation status. Readability was assessed using the Simplified Measure of Gobbledygook (SMOG) and Dale-Chall indices. RESULTS: Websites were classified as advertisement/commercial (31%), health portal (29%), professional (26%), patient group (6%), and other (9%). The overall mean DISCERN score was 44 ± 18 (maximum possible score of 80). Three websites (9%) met all four JAMA benchmark criteria. Seventeen percent of websites provided adequate information on content authorship and contributions. Median SMOG and Dale-Chall indices were 9.9 (IQR 9.3-11.2) and 9.0 (IQR 8.1-9.4), respectively. Nine websites (26%) were HONcode certified. CONCLUSIONS: Popular websites on OAB are of low quality, written for a high school to college-level readership, and often lack adequate information to assess the potential for commercial bias. Patients should be cautioned that incomplete and potentially biased information on OAB is prevalent online.
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 | 0,000 | 0,002 |
| 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 | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».