Oral Diabetes Medication Videos on Douyin: Analysis of Information Quality and User Comment Attitudes
Notice bibliographique
Résumé
BACKGROUND: Oral diabetes medications are important for glucose management in people with diabetes. Although there are many health-related videos on Douyin (the Chinese version of TikTok), the quality of information and the effects on user comment attitudes are unclear. OBJECTIVE: The purpose of this study was to analyze the quality of information and user comment attitudes related to oral diabetes medication videos on Douyin. METHODS: The key phrase "oral diabetes medications" was used to search Douyin on July 24, 2023, and the final samples included 138 videos. The basic information in the videos and the content of user comments were captured using Python. Each video was assigned a sentiment category based on the predominant positive, neutral, or negative attitude, as analyzed using the Weiciyun website. Two independent raters assessed the video content and information quality using the DISCERN (a tool for assessing health information quality) and PEMAT-A/V (Patient Education Materials Assessment Tool for Audiovisual Materials) instruments. RESULTS: Doctors were the main source of the videos (136/138, 98.6%). The overall information quality of the videos was acceptable (median 3, IQR 1). Videos on Douyin showed relatively high understandability (median 75%, IQR 16.6%) but poor actionability (median 66.7%, IQR 48%). Most content on oral diabetes medications on Douyin related to the mechanism of action (75/138, 54.3%), precautions (70/138, 50.7%), and advantages (68/138, 49.3%), with limited content on indications (19/138, 13.8%) and contraindications (14/138, 10.1%). It was found that 10.1% (14/138) of the videos contained misinformation, of which 50% (7/14) were about the method of administration. Regarding user comment attitudes, the majority of videos garnered positive comments (81/138, 58.7%), followed by neutral comments (46/138, 33.3%) and negative comments (11/138, 8%). Multinomial logistic regression revealed 2 factors influencing a positive attitude: user comment count (adjusted odds ratio [OR] 1.00, 95% CI 1.00-1.00; P=.02) and information quality of treatment choices (adjusted OR 1.49, 95% CI 1.09-2.04; P=.01). CONCLUSIONS: Despite most videos on Douyin being posted by doctors, with generally acceptable information quality and positive user comment attitudes, some content inaccuracies and poor actionability remain. Users show more positive attitudes toward videos with high-quality information about treatment choices. This study suggests that health care providers should ensure the accuracy and actionability of video content, enhance the information quality of treatment choices of oral diabetes medications to foster positive user attitudes, help users access accurate health information, and promote medication adherence.
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 | 0,004 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».