MétaCan
Menu
Retour à la cohorte
Enregistrement W4366141375 · doi:10.1097/01.xcs.0000933132.18225.6b

Evaluating YouTube as a Source Of Patient Education for Patients Undergoing Surgery

2023· article· en· W4366141375 sur OpenAlexaff
Arshia P. Javidan, Allen Li, Yung Lee, Matthew Nelms, Ahmed Kayssi, Faysal Naji

Notice bibliographique

RevueJournal of the American College of Surgeons · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Media in Health Education
Établissements canadiensMcMaster UniversityUniversity of TorontoUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésMedicineGeneral surgery

Résumé

récupéré en direct d'OpenAlex

Introduction: Online video sharing platforms such as YouTube have become a substantial source of health information that patients are likely to access before surgery. The objective of this systematic review is to characterize the peer-reviewed literature investigating YouTube as a source of patient education for patients undergoing surgery. Methods: A comprehensive literature search was conducted using EMBASE, MEDLINE, and Ovid from inception to December of 2021. Study screening and data extraction occurred in duplicate. All primary studies evaluating YouTube as a source of patient education relating to surgical procedures for the selected specialties (general, cardiac, urology, otolaryngology, and plastic) were included. Descriptive statistics were used to describe data in aggregate. Results: Among 6,453 citations identified, 56 studies were identified that examined 6,524 videos with 1843 hours of content and 1.1 billion views. Among 49 studies that evaluated the educational quality of the videos, 43 quality assessment tools were used, with each study using a mean of 1.88 assessment tools. Per the global rating for assessments, 34/49 studies (69%) concluded that the overall quality of educational content was poor. Conclusion: While the impact of non-peer-reviewed YouTube videos on patient knowledge and preparedness for surgery is unclear, the large amount of online content suggests that they are in demand. The overall educational content of these videos is poor, however, and there is substantial heterogeneity in the quality assessment tools used in their evaluation. A peer-reviewed and standardized approach to online education with video content is needed to better support patients.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,055
score de la tête « metaresearch » (Gemma)0,279
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,055
Score d'incertitude au seuil0,293

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0550,279
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,004
Bibliométrie0,0160,013
Études des sciences et des technologies0,0010,001
Communication savante0,0050,004
Science ouverte0,0020,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,085
Tête enseignante GPT0,407
Écart entre enseignants0,322 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the American College of SurgeonsMême sujetSocial Media in Health EducationTravaux en français237 207