The Quality, Readability, Completeness, and Accuracy of PTSD Websites for Firefighters
Notice bibliographique
Résumé
Firefighters appear at an increased risk for post-traumatic stress disorder (PTSD). Because of PTSD-related stigma, firefighters may search for information online. The current study evaluated the quality, readability, and completeness of PTSD online resources, and to determine how the online treatment recommendations align with current evidence. Google.ca (Canada) searches were performed using four phrases: 'firefighter PTSD', 'firefighter operational stress', 'PTSD symptoms', and 'PTSD treatment'. The 75 websites identified were assessed using quality criteria for consumer health information (DISCERN), readability and health literacy statistics, content analysis, and a comparison of treatments mentioned to the current best evidence. The average DISCERN score was 43.8 out of 75 (indicating 'fair' quality), with 9 'poor' websites (16-30), 31 'fair' websites (31-45), 26 "good" websites (46-60), and nine excellent websites (61-75). The average grade level required to understand the health-related content was 10.6. The most mentioned content was PTSD symptoms (48/75 websites) and PTSD treatments (60/75 websites). The most frequently mentioned treatments were medications (41/75 websites) and cognitive behavioural therapy (40/75 websites). Cognitive behavioural therapy is supported by strong evidence, but evidence for medications appears inconsistent in current systematic reviews. Online PTSD resources exist for firefighters, but the information is challenging to read and lacks evidence-based treatment recommendations.
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 | 0,005 | 0,001 |
| 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 ».