“Waiting for Science to Catch up with Practice”: an examination of 10-year YouTube trends in discussions of chronic cerebral spinal venous insufficiency treatment for multiple sclerosis
Notice bibliographique
Résumé
Objective: The objective of this longitudinal study examined, first, whether people with multiple sclerosis who previously advocated for angioplasty to treat chronic cerebral spinal venous insufficiency (CCSVI) through YouTube continued reporting benefits. Second, it examined a new cohort reporting on CCSVI treatment, and third, whether perspectives have changed.Method: YouTube videos from August 2011 to January 2019 related to CCSVI were retrieved. Once retrieved, all videos were compiled, classified and analyzed. Categorical data were reported and a pre-determined code-book was used to code videos. Data from the videos were extracted and analyzed using discourse analysis.Results: 1293 videos related to CCSVI were uploaded by 54 people with multiple sclerosis who met the inclusion criteria. YouTube videos uploaded by people with multiple sclerosis have shifted in volume and message. The initial surge in interest in CCSVI treatment has diminished, but there still exists strong advocates for its use. There appears to be an inconsistency between positive results, actual improvements in symptoms, and the overall messages reported. Very little long-term data was available as the procedure is relatively new.Conclusion: Practitioners may be faced with pressure to provide unproven treatments in the future and should be understanding but evidence-driven when supporting multiple sclerosis therapies.
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 | 0,000 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».