Quality and accessibility of online patient self-education resources for breast reconstruction
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background: With rising interest in breast reconstruction after mastectomy, patients are increasingly turning to online resources to supplement medical consultations. However, the quality and accessibility of these materials remain inconsistent. This study evaluates the readability, understandability, actionability, content coverage, and transparency of online breast reconstruction resources. Methods: The top 20 Google search results were examined for five common breast reconstruction-related queries. Metrics assessed included SMOG readability level, PEMAT scores (understandability and actionability), content coverage, and a modified EQIP score for quality. Statistical analyses examined relationships among these variables and with factors like search rank, author type, and query. Results: Mean content coverage was 49 %, with significant gaps in preoperative planning, treatment side effects, and fat grafting. Readability was poor (mean SMOG 12.3). Understandability was high (80 %), but actionability (37 %) and quality (modEQIP of 40 %) were low. Academic authors produced shorter and lower-quality resources. Higher-ranked resources were generally longer and correlated with better performance across most metrics. Specific queries like 'DIEP flap' yielded narrower, lower-quality resources. Conclusions: Online resources for breast reconstruction are highly variable and often fall short in readability, comprehensiveness, and transparency. Although understandability is generally acceptable, low actionability and inconsistent coverage hinder patient utility. Search engine rank modestly correlates with quality, suggesting some alignment between visibility and value. Improving these resources will require targeted efforts to simplify language, address topic gaps, and enhance actionable content-especially for specialized queries where quality remains lowest.
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.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découle