MétaCan
Menu
Retour à la cohorte
Enregistrement W4207076990 · doi:10.2196/32452

COVID-19 and Vitamin D Misinformation on YouTube: Content Analysis

2022· article· en· W4207076990 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.
venuePublié dans une revue dont le pays d'attache est le Canada.

Notice bibliographique

RevueJMIR Infodemiology · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMisinformation and Its Impacts
Établissements canadiensInstitute of Health EconomicsUniversity of AlbertaUniversity of CalgarySimon Fraser UniversityAlberta Health ServicesUniversity of British Columbia
Organismes subventionnairesAlberta InnovatesMinistero dello Sviluppo EconomicoGovernment of Alberta
Mots-clésMisinformationSocial mediaContent analysisCoronavirus disease 2019 (COVID-19)PsychologyPandemicVitaminInternet privacyMedicineComputer scienceDiseaseWorld Wide WebSociologyPathologyInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

Background: The "infodemic" accompanying the SARS-CoV-2 virus pandemic has the potential to increase avoidable spread as well as engagement in risky health behaviors. Although social media platforms, such as YouTube, can be an inexpensive and effective method of sharing accurate health information, inaccurate and misleading information shared on YouTube can be dangerous for viewers. The confusing nature of data and claims surrounding the benefits of vitamin D, particularly in the prevention or cure of COVID-19, influences both viewers and the general "immune boosting" commercial interest. Objective: The aim of this study was to ascertain how information on vitamin D and COVID-19 was presented on YouTube in 2020. Methods: YouTube video results for the search terms "COVID," "coronavirus," and "vitamin D" were collected and analyzed for content themes and deemed useful or misleading based on the accuracy or inaccuracy of the content. Qualitative content analysis and simple statistical analysis were used to determine the prevalence and frequency of concerning content, such as confusing correlation with causation regarding vitamin D benefits. Results: In total, 77 videos with a combined 10,225,763 views (at the time of data collection) were included in the analysis, with over three-quarters of them containing misleading content about COVID-19 and vitamin D. In addition, 45 (58%) of the 77 videos confused the relationship between vitamin D and COVID-19, with 46 (85%) of 54 videos stating that vitamin D has preventative or curative abilities. The major contributors to these videos were medical professionals with YouTube accounts. Vitamin D recommendations that do not align with the current literature were frequently suggested, including taking supplementation higher than the recommended safe dosage or seeking intentional solar UV radiation exposure. Conclusions: The spread of misinformation is particularly alarming when spread by medical professionals, and existing data suggesting vitamin D has immune-boosting abilities can add to viewer confusion or mistrust in health information. Further, the suggestions made in the videos may increase the risks of other poor health outcomes, such as skin cancer from solar UV radiation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,606
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,128
Tête enseignante GPT0,401
Écart entre enseignants0,272 · 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