Many hours of watching medical TV shows is associated with greater medical knowledge
Notice bibliographique
Résumé
Television (TV) is a popular and effective media in the formation of behaviours, beliefs and emotions. Watching TV is a main hobby in people's lives, and has become an increasingly more common hobby for children nowadays as opposed to several decades ago. However, while many studies have reported the negative effects, there have been little to no studies investigating whether a positive effect may exist. The aim of this study was to determine whether individuals who watch medical dramas are generally more knowledgeable about medicine than those who do not watch medical dramas. This was a cross-sectional survey of adolescents and young adults using an e-questionnaire. The questionnaire had four sections - a consent form, demographics of respondents, TV show(s) respondents watched and assessment of medical knowledge. Questionnaires were circulated to the international community, with a focus on respondents in Canada, the US and Nigeria. Responses were analysed using statistical analysis software. Between August and December 2017, a total of 746 consenting respondents completed the questionnaire. The average knowledge score of all respondents on medical terminologies was 6.80 out of 10. For respondents who had a history of watching medical TV shows, they were more knowledgeable than those without such a history (p = 0.0008). Additionally, those who watched more than one season of TV were more knowledgeable than those who had watched less than one season (p < 0.0001). The results suggest that people who have a history of watching TV shows are more knowledgeable than those without such a history, and also that those who watch more hours of medical TV shows are more knowledgeable than those who watch only a few hours. Future studies could investigate whether medical TV shows causes higher knowledge (as this study suggests association), and to ultimately determine whether it can be an essential component of increasing medical knowledge of the population, and in turn, 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 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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».