Quality of complementary and alternative medicine information for type 2 diabetes: a cross-sectional survey and quality assessment of websites
Notice bibliographique
Résumé
BACKGROUND: The global prevalence of diabetes mellitus is projected to reach approximately 700 million by the year 2045, with roughly 90-95% of all diabetes cases being type 2 in nature. Patients with type 2 diabetes mellitus (T2DM) frequently seek information about complementary and alternative medicine (CAM) online. This study assessed the quality of publicly accessible websites providing consumer health information at the intersection of T2DM and CAM. METHODS: An online search engine (Google) was searched to identify pertinent websites containing information specific to CAM for T2DM patients, and the relevant websites were then screened with an eligibility criteria. Consumer health information found on eligible websites were then assessed for quality using the DISCERN instrument, a 16-item standardized scoring system. RESULTS: Across the 480 webpages identified, 94 unique webpages remained following deduplication, and 37 eligible webpages belonged to and were collapsed into 30 unique websites that were each assessed using the DISCERN instrument. The mean overall quality score (question 16) across all 30 assessed websites was 3.55 (SD = 0.86), and the mean summed DISCERN score was 52.40 (SD = 12.11). Eighty percent of websites presented a wide range of CAM treatment options with the associated benefits/risks of each treatment, but in 56.7% of the websites, the sources used to collect information were unreliable. CONCLUSION: This study identified, assessed, and presents findings on the quality of online CAM information for T2DM. Although there were several high scoring websites, there was variability across most of the individual DISCERN items in the assessed websites. This study highlights the importance of awareness among healthcare providers regarding the reliability of online information about CAM treatment and management options for T2DM. Healthcare providers should be aware of patients' information seeking behaviour, guide them in navigating through the content they encounter online, and provide them with resources containing trustworthy and reliable information.
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 | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».