Quality of Pancreatic Neuroendocrine Tumor Videos Available on TikTok and Bilibili: Content Analysis
Notice bibliographique
Résumé
Background: Disseminating disease knowledge through concise videos on various platforms is an innovative and efficient approach. However, it remains uncertain whether pancreatic neuroendocrine tumor (pNET)-related videos available on current short video platforms can effectively convey accurate and impactful information to the general public. Objective: Our study aims to extensively analyze the quality of pNET-related videos on TikTok and Bilibili, intending to enhance the development of pNET-related social media content to provide the general public with more comprehensive and suitable avenues for accessing pNET-related information. Methods: A total of 168 qualifying videos pertaining to pNETs were evaluated from the video-sharing platforms Bilibili and TikTok. Initially, the fundamental information conveyed in the videos was documented. Subsequently, we discerned the source and content type of each video. Following that, the Global Quality Scale (GQS) and modified DISCERN (mDISCERN) scale were employed to appraise the educational value and quality of each video. A comparative evaluation was conducted on the videos obtained from these two platforms. Results: The number of pNET-related videos saw a significant increase since 2020, with 9 videos in 2020, 19 videos in 2021, 29 videos in 2022, and 106 videos in 2023. There were no significant improvements in the mean GQS or mDISCERN scores from 2020 to 2023, which were 3.22 and 3.00 in 2020, 3.33 and 2.94 in 2021, 2.83 and 2.79 in 2022, and 2.78 and 2.94 in 2023, respectively. The average quality scores of the videos on Bilibili and Tiktok were comparable, with GQS and mDISCERN scores of 2.98 on Bilibili versus 2.77 on TikTok and 2.82 on Bilibili versus 3.05 on TikTok, respectively. The source and format of the videos remained independent factors affecting the two quality scores. Videos that were uploaded by professionals (hazard ratio=7.02, P=.002) and recorded in specialized popular science formats (hazard ratio=12.45, P<.001) tended to exhibit superior quality. Conclusions: This study demonstrates that the number of short videos on pNETs has increased in recent years, but video quality has not improved significantly. This comprehensive analysis shows that the source and format of videos are independent factors affecting video quality, which provides potential measures for improving the quality of short videos.
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 | 0,002 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,005 | 0,002 |
| 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 ».