YouTube as a Source of Patient Information for Soft Tissue Filler
Notice bibliographique
Résumé
With the dawn of the Internet era, information has become readily available and accessible to people worldwide. Over 70% of adults search the Internet for healthcare-related information. Among the most popular platforms is YouTube, a free video sharing platform that has quickly become one of the most widely used sources of online information, with over 2 billion video views daily and over 30 million subscribers. A 2018 Health Information National Trends Survey reported that more than 33% of patients watched health-related videos on YouTube. Dermal fillers are medical device implants approved for various cosmetic concerns such as moderate to severe facial rhytids, augmentation of facial features, lipoatrophy, and correction of contour deficiencies. According to the 2020 Plastic Surgery Statistics study, dermal fillers ranked as the second most common cosmetic procedure, after botulinum toxin A injections. The popularity of dermal fillers continue to rise due to general societal acceptance, their non‑invasive nature, and the increased availability of biocompatible and durable materials. The latter facilitates immediate and predictable results with minimal downtime. Education about fillers may involve a visual and auditory component to better help patients contextualize the process and set appropriate expectations. Particularly for first‑time filler patients, YouTube may be a first line resource. While online videos can be a valuable educational tool, information on the Internet is not always accurate and may originate from unreliable sources. Numerous studies have evaluated the accuracy and content of YouTube videos related to patient information. Studies have also investigated the quality of videos regarding botulinum toxin A injections. However, there is a lack of literature regarding filler content on this platform. This study aims to objectively assess the accuracy, quality, and completeness of YouTube videos on dermal fillers. The findings will help inform dermatologists and other injectors regarding the utility of YouTube as a tool for patient education.
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 | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,098 | 0,036 |
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 ».