MétaCan
Menu
← Retour à la cohorte
Enregistrement W7117583965 · doi:10.2196/76715

Quality Assessment of Shock Videos on Video Sharing Platforms: Cross-Sectional Study

2025· article· en· W7117583965 sur OpenAlexvenueno aff
Luping Cheng, Chuanliang Pan

Notice bibliographique

RevueJMIR Formative Research · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Literacy and Information Accessibility
Établissements canadiensnon disponible
Organismes subventionnairesNatural Science Foundation of Sichuan Province
Mots-clésQuality (philosophy)Quality assessmentShock (circulatory)CaliberVideo qualityVideo recording

Résumé

récupéré en direct d'OpenAlex

Background: As a highly lethal circulatory failure syndrome, the pathophysiological mechanisms of shock can lead to multiple organ dysfunction syndrome (MODS), which significantly increases the demand for intensive care and the length of hospitalization. There is therefore an urgent need for the public to be informed about health-related issues. In recent years, videos have become a significant medium for health education, and this study aimed to evaluate shock-related videos on video sharing platforms. Objective: The objective of this study is to identify the top 100 videos related to impact on TikTok, Bilibili, and Xiaohongshu. These videos will then be assessed in terms of their effectiveness and credibility. Following this evaluation, relevant recommendations will be provided. Methods: The study included a search for videos related to shock on the three video-sharing platforms: TikTok, Bilibili, and Xiaohongshu. The Global Quality Score (GQS) and mDISCERN tools were used to evaluate the credibility and quality of the videos, in addition to employing the Patient Education Materials Evaluation Tool for Audiovisual Content (PEMAT-A/V). Finally, the video was evaluated by examining disease definitions, clinical manifestations, risk factors, assessment, management, and outcomes. Results: A total of 244 videos (TikTok:87, Bilibili:80, Xiaohongshu:77)were retrieved from the three platforms. The overall video quality was found to be moderately low. The majority of videos were uploaded by health advocates (n=102, 41.8%) and health professionals (n=98, 40.1%). The individual video sources of the GQS were of lower quality (1-3), the mDISCERN scores were moderate (2-4), and the quality of individual users is higher than that of organizational users. The PEMAT A/V scores were as follows: in the overall comprehensibility evaluation, 91% (220) videos of the scores were above 70%; in the actionability evaluation, 65% (157) videos of the scores were below 70%. It should be noted that the actionability scores for different video sources were generally low. In 172 videos (70.4%), the definition of shock and its clinical manifestations were explained in detail, while in 137 videos (56.1%), the definition of shock and its clinical manifestations were also clearly explained. The majority of videos provided a relatively comprehensive explanation of the definition of shock and its clinical signs and symptoms. Conclusions: Our study have demonstrated that the content and information quality of shock videos is unsatisfactory, as a general rule. This underscores the necessity for pertinent regulatory bodies to oversee the caliber of health-related videos, and for content creators to enhance the quality of their content.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,297
Tête enseignante GPT0,662
Écart entre enseignants0,365 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative Research→Même sujetHealth Literacy and Information Accessibility→Travaux en français237 207→