Assessment of Health Information About COVID-19 Prevention on the Internet: Infodemiological Study
Notice bibliographique
Résumé
BACKGROUND: The internet is a large source of health information and has the capacity to influence its users. However, the information found on the internet often lacks scientific rigor, as anyone may upload content. This factor is a cause of great concern to scientific societies, governments, and users. OBJECTIVE: The objective of our study was to investigate the information about the prevention of coronavirus disease 2019 (COVID-19) on the internet. METHODS: On February 29, 2020, we performed a Google search with the terms "Prevention coronavirus," "Prevention COVID-19," "Prevención coronavirus," and "Prevención COVID-19". A univariate analysis was performed to study the association between the type of authorship, country of publication, and recommendations to avoid COVID-19 according to the World Health Organization (WHO). RESULTS: In total, 80 weblinks were reviewed. Most of them were produced in the United States and Spain (n=58, 73%) by digital media sources and official public health organizations (n=60, 75%). The most mentioned WHO preventive measure was "wash your hands frequently" (n=65, 81%). A less frequent recommendation was to "stay home if you feel unwell" (n=26, 33%). The analysis by type of author (official public health organizations versus digital media) revealed significant differences regarding the recommendation to wear a mask when you are healthy only if caring for a person with suspected COVID-19 (odds ratio [OR] 4.39). According to the country of publication (Spain versus the United States), significant differences were detected regarding some recommendations such as "wash your hands frequently" (OR 9.82), "cover your mouth and nose with your bent elbow or tissue when you cough or sneeze" (OR 4.59), or "stay home if you feel unwell" (OR 0.31). CONCLUSIONS: It is necessary to urge and promote the use of the websites of official public health organizations when seeking information on COVID-19 preventive measures on the internet. In this way, users will be able to obtain high-quality information more frequently, and such websites may improve their accessibility and positioning, given that search engines justify the positioning of links obtained in a search based on the frequency of access to them.
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 | 0,004 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,007 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».