MétaCan
Menu
Retour à la cohorte
Enregistrement W3121053441 · doi:10.18438/eblip29830

German-Language Websites Containing Information About Rare Diseases Lack Quality Indicators

2020· article· en· W3121053441 sur OpenAlexvenueno aff
Jessica Koos

Notice bibliographique

RevueEvidence Based Library and Information Practice · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Literacy and Information Accessibility
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGermanThe InternetInformation qualityQuality (philosophy)MedicineFamily medicineInternet privacyPsychologyBusinessWorld Wide WebComputer scienceInformation systemPolitical scienceGeography

Résumé

récupéré en direct d'OpenAlex

A Review of: Pauer, F., Litzkendorf, S., Göbel, J., Storf, H., Zeidler, J., & Graf von der Schulenburg, J.-M. (2017). Rare diseases on the Internet: An assessment of the quality of online information. Journal of Medical Internet Research, 19(1), e23. https://doi.org/10.2196/jmir.7056 Abstract Objective – To evaluate the quality of the information contained in websites about rare diseases and to determine if quality varies based on the supplier category of the website. Design – Questionnaire and content analysis. Setting – Germany Subjects – 693 German-language websites Methods – Websites were identified through a Google search: All 8,000 rare diseases (as listed on Orphanet) and their synonyms were entered into Google; the first 20 results for each disease were scanned for sites written in German. A questionnaire designed to measure the quality of information found on the websites was mailed to each identified website provider. For those who did not respond, the survey was completed by the authors using information from the site. A t test was used to examine differences in the quality of information among the types of information providers. Main Results – A total of 693 information suppliers were identified. The suppliers completed 17.7% of the surveys; the other 82.3% were completed by the authors. The majority of information providers were patient organizations/support groups (38.8%) followed by medical institutions (26.8%). Information provided by individuals had the lowest quality rating. There were no statistically significant differences between the quality of information supplied by patient support groups and medical institutions. The highest quality rating was provided by associations/sponsoring bodies. Conclusion – There is not much information available on the Internet regarding rare diseases. Patient support groups and organizations are the largest provider of information. The overall quality rating of information on rare disease websites was found to be low, particularly in areas of accessibility. Website providers should be made aware of how to produce websites of higher quality with greater accessibility.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,020
score de la tête « metaresearch » (Gemma)0,112
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,105

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0200,112
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0090,011
Études des sciences et des technologies0,0010,001
Communication savante0,0050,005
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

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.

Tête enseignante Opus0,051
Tête enseignante GPT0,441
Écart entre enseignants0,390 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEvidence Based Library and Information PracticeMême sujetHealth Literacy and Information AccessibilityTravaux en français237 207