Promotion or education: a content analysis of industry-authored oral health educational materials targeted at acute care nurses
Notice bibliographique
Résumé
OBJECTIVES: To assess the nature, quality and independence of scientific evidence provided in support of claims in industry-authored educational materials in oral health. DESIGN: A content analysis of educational materials authored by the four major multinational oral health product manufacturers. SETTING: Acute care settings. PARTICIPANTS: 68 documents focused on oral health or oral care, targeted at acute care clinicians and identified as 'educational' on companies' international websites. MAIN OUTCOME MEASURES: Data were extracted in duplicate for three areas of focus: (a) products referenced in the documents, (b) product-related claims and (c) citations substantiating claims. We assessed claim-citation pairs to determine if information in the citation supported the claim. We analysed the inter-relationships among cited authors and companies using social network analysis. RESULTS: Documents ranged from training videos to posters to brochures to continuing education courses. The majority of educational materials explicitly mentioned a product (59/68, 87%), a branded product (35/68, 51%), and made a product-related claim (55/68, 81%). Among claims accompanied by a citation, citations did not support the majority (91/147, 62%) of claims, largely because citations were unrelated. References used to support claims most often represented lower levels of evidence: only 9% were systematic reviews (7/76) and 13% were randomised controlled trials (10/76). We found a network of 20 authors to account for 37% (n=77/206) of all references in claim-citation pairs; 60% (12/20) of the top 20 cited authors received financial support from one of the four sampled manufacturers. CONCLUSIONS: Resources to support clinicians' ongoing education are scarce. However, caution should be exercised when relying on industry-authored materials to support continuing education for oral health. Evidence of sponsorship bias and reliance on key opinion leaders suggests that industry-authored educational materials have promotional intent and should be regulated as such.
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 | 0,022 | 0,126 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,032 | 0,028 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».