Online information on chronic pain in 3 countries: an assessment of readability, credibility, and accuracy
Notice bibliographique
Résumé
Objectives: To assess the readability, credibility, and accuracy of online information on chronic pain in Australia, Mexico, and Nepal. Methods: We assessed Google-based websites and government health websites about chronic pain for readability (using the Flesch Kincaid Readability Ease tool), credibility (using the Journal of American Medical Association [JAMA] benchmark criteria and Health on the Net Code [HONcode]), and accuracy (using 3 core concepts of pain science education: (1) pain does not mean my body is damaged; (2) thoughts, emotions, and experiences affect pain; and (3) I can retrain my overactive pain system) Results: We assessed 71 Google-based websites and 15 government websites. There were no significant between-country differences in chronic pain information retrieved through Google for readability, credibility, or accuracy. Based on readability scores, the websites were "fairly difficult to read," suitable for ages 15 to 17 years or grades 10 to 12 years. For credibility, less than 30% of all websites met the full JAMA criteria, and more than 60% were not HONcode certified. For accuracy, all 3 core concepts were present in less than 30% of websites. Moreover, we found that the Australian government websites have low readability but are credible, and the majority provided all 3 core concepts in pain science education. A single Mexican government website had low readability without any core concepts but was credible. Conclusion: The readability, credibility, and accuracy of online information on chronic pain should be improved internationally to support facilitating better management of chronic pain.
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 | 0,014 | 0,090 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,009 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».