Tetrahydrocannabinol and Skin Cancer: Analysis of YouTube Videos
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Cannabis oil is being used topically by patients with skin cancer as a homeopathic remedy, and has been promoted and popularized on social media, including YouTube. Although topical cannabinoids, especially tetrahydrocannabinol (THC), may have antitumor effects, results from a sparse number of clinical trials and peer-reviewed studies detailing safety and efficacy are still under investigation. OBJECTIVE: We sought to assess the accuracy, quality, and reliability of THC oil and skin cancer information available on YouTube. METHODS: The 10 most-viewed videos on THC oil and skin cancer were analyzed with the Global Quality Scale (GQS), DISCERN score, and useful/misleading criteria based on presentation of erroneous and scientifically unproven information. The videos were also inspected for source, length, and audience likes/dislikes. Top comments were additionally examined based on whether they were favorable, unfavorable, or neutral regarding the video content. RESULTS: All analyzed videos (10/10, 100%) received a GQS score of 1, corresponding to poor quality of content, and 9/10 (90%) videos received a DISCERN score of 0, indicating poor reliability of information presented. All 10 videos were also found to be misleading and not useful according to established criteria. Top comments were largely either favorable (13/27, 48%) or neutral (13/27, 48%) toward the content of the videos, compared to unfavorable (1/27, 4%). CONCLUSIONS: Dermatologists should be aware that the spread of inaccurate information on skin cancer treatment currently exists on popular social media platforms and may lead to detrimental consequences for patients interested in pursuing alternative or homeopathic approaches.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle