Exploring Urological Malignancies on Pinterest: Content Analysis
Notice bibliographique
Résumé
BACKGROUND: Pinterest is a visually oriented social media platform with over 250 million monthly users. Previous studies have found misinformative content on genitourinary malignancies to be broadly disseminated on YouTube; however, no study has assessed the quality of this content on Pinterest. OBJECTIVE: Our objective was to evaluate the quality, understandability, and actionability of genitourinary malignancy content on Pinterest. METHODS: We examined 540 Pinterest posts or pins, using the following search terms: "bladder cancer," "kidney cancer," "prostate cancer," and "testicular cancer." The pins were limited to English language and topic-specific content, resulting in the following exclusions: bladder (n=88), kidney (n=4), prostate (n=79), and testicular cancer (n=10), leaving 359 pins as the final analytic sample. Pinterest pins were classified based on publisher and perceived race or ethnicity. Content was assessed using 2 validated grading systems: DISCERN quality criteria and the Patient Education Materials Assessment Tool. The presence of misinformation was evaluated using a published Likert scale ranging from 1=none to 5=high. RESULTS: Overall, 359 pins with a total of 8507 repins were evaluated. The primary publisher of genitourinary malignancy pins were health and wellness groups (n=162, 45%). Across all genitourinary malignancy pins with people, only 3% (n=7) were perceived as Black. Additionally, Asian (n=2, 1%) and Latinx (n=1, 0.5%) individuals were underrepresented in all pins. Nearly 75% (n=298) of the pins had moderate- to poor-quality information. Misinformative content was apparent in 4%-26% of all genitourinary cancer pins. Understandability and actionability were poor in 55% (n=198) and 100% (n=359) of the pins, respectively. CONCLUSIONS: On Pinterest, the majority of the urological oncology patient-centric content is of low quality and lacks diversity. This widely used, yet unregulated platform has the ability to influence consumers' health knowledge and decision-making. Ultimately, this can lead to consumers making suboptimal medical decisions. Moreover, our findings demonstrate underrepresentation across many racial and ethnic groups. Efforts should be made to ensure the dissemination of diverse, high-quality, and accurate health care information to the millions of users on Pinterest and other social media platforms.
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 | 0,004 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,009 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».