Analysis of the quality of meningioma education resources available on the Internet
Notice bibliographique
Résumé
BACKGROUND: Meningiomas are the most common primary central nervous system tumors and patients face difficulty evaluating resources available online. The purpose of this study is to systematically evaluate the educational resources available for patients seeking meningioma information on the Internet. METHODS: A total of 127 meningioma websites were identified by inputting the term "meningioma" on Google and two meta-search engines. A structured rating tool developed by our research group was applied to top 100 websites to evaluate with respect to accountability, interactivity, readability, and content quality. Responses to general and personal patient questions were evaluated for promptness, accuracy, and completeness. The frequency of various social media account types was analyzed. RESULTS: Of 100 websites, only 38% disclosed authorship, and 32% cited sources. Sixty-two percent did not state date of creation or modification, and 32% provided last update less than 2 years ago. Websites most often discussed the definition (99%), symptoms (97%), and treatment (96%). Prevention (8%) and prognosis (47%) were most often not covered. Only 3% of websites demonstrated recommended reading level for general population. Of 84 websites contacted, 42 responded, 32 within 1 day. CONCLUSIONS: Meningioma information is readily available online, but quality varies. Sites often lack markers for accountability, and content may be difficult to comprehend. Information on specific topics are often not available for patients. Physicians can direct meningioma patients to appropriate reliable online resources depicted in this study. Furthermore, future web developers can address the current gaps to design reliable online resources.
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 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».