Are YouTube videos a reliable information source for young women with metastatic breast cancer?
Notice bibliographique
Résumé
11042 Background: Young women with metastatic breast cancer (MBC) are an underserved population, rendering them susceptible to media sources that lack in credibility and reliability. YouTube (YT) is the most commonly used search engine following Google. This study aims to assess the quality of MBC YT videos and to identify common themes in MBC experiences. Methods: A systematic review of YT videos with search terms “metastatic breast cancer young” was conducted in 08/2021. Title, date uploaded, length, poster identity, number of likes, dislikes, and comments were collected. Understandability, actionability were assessed using the Patient Education Materials Assessment Tool (PEMAT) for audiovisual (A/V) materials; information reliability/quality was assessed with DISCERN. Scoring was done by 3 reviewers. Themes, presence of sponsorships, healthcare professionals’ and patients’ narratives were also reported. Results: 101 videos were identified. Of these, 78.2% were sponsored. Average video length was 14.9 minutes (SD 22.5). Majority were posted by nonprofit groups and breast cancer advocacy organizations. Mean PEMAT A/V score was 78.8% (SD 15.3) and 43.1% (SD 45.2) for understandability and actionability, respectively. Overall, videos had moderate reliability and quality levels; mean DISCERN score was 2.44/5 (SD 0.7). Patient narratives were shared in 63.3% and healthcare professionals in 57.4%. Identified themes include treatment (66.3%), family relationship (45.5%), motherhood (37.6%), terminal status (31.6%), the path to diagnosis (28.7%), and spousal relationship (24.7%). Conclusions: YouTube videos about MBC are highly understandable but demonstrate low to moderate rates of actionability, with low reliability and quality scores. Many have a potential commercial bias. More research is needed to evaluate their impact on patient decisions and possible interventions provided by healthcare institutions. [Table: see text]
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,119 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».