MétaCan
Menu
Retour à la cohorte
Enregistrement W4402058635 · doi:10.1016/j.soi.2024.100094

How reliable are post-mastectomy breast reconstruction videos on YouTube?

2024· article· en· W4402058635 sur OpenAlexafffund
Nina Morena, Libby Ben-Zvi, Victoria Hayman, Mary Hou, Andrew Gorgy, Diana Nguyen, Carrie A. Rentschler, Ari N. Meguerditchian

Notice bibliographique

RevueSurgical Oncology Insight · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Media in Health Education
Établissements canadiensSt Mary's Hospital CentreMcGill University Health CentreMcGill UniversityUniversity of CalgaryInstitut Universitaire de Gériatrie de MontréalMcMaster UniversityOntario Clinical Oncology Group
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaFonds de Recherche du Québec-Société et CultureFondation du cancer des Cèdres
Mots-clésMastectomyComputer scienceBreast reconstructionMedicineBreast cancerInternal medicineCancer

Résumé

récupéré en direct d'OpenAlex

Background Social media platforms are a significant source of information for young women with breast cancer (YWBC) undergoing post-mastectomy breast reconstruction (PMBR). The emphasis on visual storytelling and building community in online spaces renders YouTube to be a common platform for discussions of BR. This study aims to assess the quality of YouTube videos about PMBR, identify themes related to the PMBR experience, and quantify suggestions of BR as an option PM. Methods YouTube was searched incognito with terms "young women breast cancer reconstruction" in 08/2022, in order from most to least viewed. Title, upload date, length, poster identity, number of likes and comments were collected. The Patient Education Materials Assessment Tool for audiovisual materials (PEMAT A/V) was used to evaluate understandability and actionability. DISCERN assessed quality and reliability. Presence of sponsorship, intended audience, patient and healthcare professional narratives, and suggestions of PMBR were collected. Reviewers noted whether PMBR was shown and how. Themes were collected inductively and deductively for thematic analysis. Results 193 videos were identified. Mean video length was 14.6 min (SD 20.0 min). 87.1 % included sponsorships. 95.9 % of videos were posted by an organization. 60.6 % were information-based; 45.6 % experience-based. Mean PEMAT scores for understandability and actionability were 71.3 % (SD 13.4) and 35.7 % (SD 41.8), respectively. Mean DISCERN was 2.6/5 (SD 1.2). Patient narrative was present in 52.6 % and healthcare professionals' in 68.4 %. PMBR was visually presented 22.8 % of the time. 13.5 % of videos explicitly recommended PMBR. 2.6 % explicitly discouraged it. Patients (77.7 %) represented the majority of the intended audience. Most common deductively identified themes included treatment (87.1 %), family relationship (17.1 %), motherhood (15.5 %), fertility (11.9 %). Inductively identified subthemes included differentiating between various options for PMBR surgery, BRCA genetic testing, psychosocial effects of breast cancer and PMBR, and recovery from surgery. Conclusion YouTube is a platform wherein various PMBR options are widely discussed and explained. PMBR videos are highly understandable but have moderate levels of actionability, quality, and reliability. Videos are highly sponsored, demonstrating significant institutional bias. Themes are overwhelmingly treatment and surgery-based. Personal themes were present but not dominant.

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)0,001
score de la tête « metaresearch » (Gemma)0,030
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,030
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0020,003
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0170,003

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 Opus0,058
Tête enseignante GPT0,367
Écart entre enseignants0,308 · 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'étudeObservationnel
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

Citations1
Publié2024
Routes d'admission2
Résumé présentnon

Explorer davantage

Même revueSurgical Oncology InsightMême sujetSocial Media in Health EducationTravaux en français237 207