YouTube videos as health decision aids for the public: An integrative review.
Notice bibliographique
Résumé
OBJECTIVE: To determine the potential value of YouTube videos as health decision aids for the public. METHODS: An integrative review was performed to explore 3 questions: 1) What is the validity of health-related YouTube videos created for the public? 2) Are YouTube videos an effective tool for supporting the public in decision making regarding the treatment, prevention, and diagnosis of disease? 3) How can health professionals ensure their videos will be readily accessible to those searching online for health-related information? Systematic searches of PubMed, CINAHL, and Web of Science were conducted. The returns were screened using inclusion and exclusion criteria and studies found were critically appraised. RESULTS: Fifty-eight studies assessed the validity of videos on given topics and 9 studies examined the effectiveness of videos in supporting decision making. These studies demonstrated that the majority of health-related YouTube videos lack validity. However, evidence-based videos do exist and have the potential to be an effective instrument in supporting the public in making health decisions. Ten studies examined ways to increase the accessibility of such videos to the public. DISCUSSION: Creators of evidence-based videos must take into consideration content and content-agnostic factors to improve the accessibility of their videos to searchers. Recommendations to support creators in making their evidence-based health videos readily accessible to the public are provided. CONCLUSIONS: By exploiting appropriate content and content-agnostic factors, video creators can ensure that valid health information is readily accessible to information seekers.
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 | 0,012 | 0,005 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».