Assessing the readability, quality and accuracy of online health information for patients with low anterior resection syndrome following surgery for rectal cancer
Notice bibliographique
Résumé
AIM: Management of low anterior resection syndrome (LARS) requires a high degree of patient engagement. This process may be facilitated by online health-related information and education. The aim of this study was to systematically review current online health information on LARS. METHOD: An online search of Google, Yahoo and Bing was performed using the search terms 'low anterior/anterior resection syndrome' and 'bowel function/movements after rectal cancer surgery'. Websites were assessed for readability (eight standardized tests), suitability (using the Suitability Assessment of Materials instrument), quality (the DISCERN instrument), accuracy and content (using a LARS-specific content checklist). Websites were categorized as academic, governmental, nonprofit or private. RESULTS: Of 117 unique websites, 25 met the inclusion criteria. The median readability level was 10.4 (9.2-11.7) and 11 (44.0%) websites were highly suitable. Using the DISCERN instrument, seven (28.0%) websites had clear aims, two (8.0%) divulged the sources used and four (16.0%) had high overall quality. Only eight (32.0%) websites defined LARS and ten (40.0%) listed all five major symptoms associated with the LARS score. There was variation in the number of websites that discussed dietary modifications (80.0%), self-help strategies (72.0%), medication (68.0%), pelvic floor rehabilitation (60.0%) and neuromodulation (8.0%). The median accuracy of websites was 93.8% (88.2-96.7%). Governmental websites scored highest for overall suitability (P = 0.0079) and quality (P < 0.001). CONCLUSIONS: Current online information on LARS is suboptimal. Websites are highly variable, important content is often lacking and material is too complex for 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 | 0,005 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,010 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».