881 Content Evaluation of First Aid Information of Burn Centre Websites Worldwide
Notice bibliographique
Résumé
Abstract While the internet is an invaluable resource for both patients and healthcare providers in the management of burns, websites are often unregulated and highly variable in the quality of their content. Burns centres are in the unique position of possessing presumed reputability amongst the public. It is therefore imperative that their websites provide information that is consistent in its content, through a format that is accessible and coherent. In this study, we aimed to evaluate first aid websites of burns centres in the UK, Ireland, USA, Canada, Australia and New Zealand. This study highlights the importance of the leadership role that these centres should possess online. A multicentre, observational, cross-sectional study was performed over a period of two years (October 2020 to July 2022). Each centre’s website was evaluated using a 10-point scoring system to assess burns first aid content accuracy. The content was evaluated using a scoring system by Burgress et al, that is based on the basic burns first aid principles of “stop, remove, cool and cover”. 188 burn centres across the stated countries were included. The country with the highest average score was Australia & New Zealand (5), followed by the USA (2.89), Canada (1.78) and the UK & Ireland (2.89). The consistency of content and quality of these resources remains an area for potential improvement and should be considered in the future design of such websites. The most common step missed in burn first aid was to keep victims warm to prevent hypothermia.
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 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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».