Pro- and Antifluoride Use Messages on YouTube in Japan: Content Analysis
Notice bibliographique
Résumé
Background: Dental caries is one of the most prevalent chronic conditions globally. In Japan, fluoride application-mainly via toothpaste, mouth rinses, and professional treatments-is a key preventive measure, as community water fluoridation is not implemented. Despite its proven effectiveness, fluoride use faces opposition from certain groups citing potential health risks. Social media platforms, especially YouTube, have become major sources of health information, but also facilitate the spread of misinformation, which may influence public perceptions and behaviors toward fluoride use. Objective: This study aimed to analyze YouTube videos addressing fluoride use for caries prevention, focusing on the types of information presented and comparing the messages shared by proponents and opponents of fluoride use. Methods: A comprehensive search was conducted on YouTube using fluoride-related keywords in Japanese. The top 50 videos for each keyword were screened, and after excluding irrelevant or duplicate content, 86 videos were analyzed. Videos were categorized as proponent ("pro"), opponent ("anti"), or others. The sources, intended audiences, and content themes were assessed. Interrater reliability was confirmed using the Cohen κ coefficient. Results: Of the 86 analyzed videos, 58% (n=50) were categorized as "pro," 22% (n=19) as "anti," and 20% (n=17) as others. Proponent videos, mainly produced by dental professionals, emphasized scientific evidence, such as the mechanism of fluoride in preventing caries and guideline-based recommendations. Opponent videos, largely uploaded by laypersons, highlighted potential dangers of fluoride, including health risks and additives, and frequently promoted fluoride-free products. Opponent videos had higher daily viewership and engagement than proponent videos. Conclusions: Anti-fluoride content on YouTube appears to reach broader audiences than expert-generated profluoride videos. Opponent messages tend to use emotionally charged communication, whereas proponents focus on scientific information. These differences in style may influence public perceptions of fluoride use. Public health professionals should develop engaging and accessible communication strategies to counter misinformation and promote evidence-based practices.
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 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».