YouTube-videos for patient education in lymphangioleiomyomatosis?
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: The Internet is commonly used by patients to acquire health information. To date, no studies have evaluated the quality of information available on YouTube regarding lymphangioleiomyomatosis (LAM). Our aim was to determine the quality and content of YouTube videos regarding LAM and to compare the information provided with current knowledge and guidelines about the disease. METHODS: The first 200 video hits on YouTube in English for the search term "lymphangioleiomyomatosis" were recorded. All videos suitable for patient education on LAM were included. Video quality was analyzed independently by two investigators utilizing the Health on the Net (HONcode) score, which assesses whether websites provide understandable, accessible, and trustworthy health information; the DISCERN score, which evaluates the quality of information about treatment decisions; and a newly developed LAM-related content score (LRCS) with 31 guideline elements. RESULTS: The search identified 64 eligible videos. The "engagement rate" of 0.3 was low, with a median number of views of 408 (range 42-73,943), a median of 4 likes (range 0-2082), and the majority (53%) receiving a low HONcode score (≤ 2) and only 10% of videos achieving a high score (> 5). The median DISCERN score was 28 (range 15-61, maximum possible score 80), indicating poor video quality and reliability. The median LRCS was 8 (range 0-29, maximum possible score 31) and videos frequently failed to provide sources of information. CONCLUSIONS: Online resources could contribute to the limited and often inaccurate information available to patients with LAM, with only a few YouTube videos providing high-quality patient-relevant 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.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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