Web scraping of user-simulated online nutrition information for people with multiple sclerosis
Notice bibliographique
Résumé
BACKGROUND: People diagnosed with multiple sclerosis (MS) often seek to modify their diet guided by online advice, however this advice may not align with national dietary guidelines. The aim of this study was to simulate an online search for dietary advice conducted by a person with MS and evaluate the content. It was hypothesised that a variety of eating patterns are promoted for MS online and these dietary approaches can be contradictory. METHODS: An online search was simulated using Google Trends-informed search terms and Google and Bing search engines. URLs were extracted using R. Nutrition data were extracted including recommendations for diets, foods, supplements, and health professional consultation. Statistical analyses were conducted using R. RESULTS: 73 URLs from 49 websites were extracted, with only 14 results common to both search engines. Dietary recommendations included overall eating patterns (58 webpages, 79%), individual foods (55 webpages, 75%), and supplements (33 webpages, 45%). The most promoted eating pattern for MS was a balanced diet (33 recommendations, 48%), more likely by nonprofit organisations and health information websites (14 and 17 recommendations, 100% and 89%); lifestyle program websites were more likely to recommend restrictive diets (19 recommendations, 100%) (p<0.001). 52% pages advised consulting a health professional, most often a doctor or dietitian. CONCLUSION: A balanced diet is the most recommended eating pattern for MS online, though advice promoting restrictive diets persists.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».