YouTube Videos as a Source of Information on Colorectal Cancer: What Do Our Patients Learn?
Notice bibliographique
Résumé
YouTube is the second most visited website in the world. No studies to date have characterized and evaluated YouTube videos on colorectal cancer (CRC) although these videos could influence patient decision-making, notably regarding screening and prevention. This study aims to report the characteristics and quality of these videos as patient education resources for CRC. YouTube's search engine was queried with different search phrases relating to CRC. The first two pages of each search result were analyzed. Two specialists devised a critical appraisal tool with a list of criteria to assess the videos. Quantitative YouTube parameter analyses and criteria assessment were performed. Inter-rater agreement was assessed between three raters. A total of 46 videos were eligible to be included in the study. The videos were on average 4:51 ± 3:27 min long. The videos had 10 times as many likes as dislikes. Less than half the videos discussed risk factors and protective factors. Only 41% of videos mentioned screening tests and only about a quarter discussed them. Palliative care was only mentioned in 2% of videos. A single video could obtain a perfect score on the critical appraisal tool. Length was the unique parameter associated with a high score on the criteria list. There is thus a need for more authoritative and comprehensive videos easily identifiable by the patients. Video popularity is not associated with comprehensiveness. Currently, YouTube might not be an education resource for CRC suited to every patient.
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 | 0,025 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».