《Lasers in Medical Science》:Evaluating the educational quality and reliability of YouTube videos on red light therapy for eye diseases
编辑推荐:
本研究旨在调查YouTube视频作为红光疗法(Red Light Therapy, RLT)在眼病中应用的教育与信息资源的现状。研究人员于2025年5月1日在YouTube平台(https://www.youtube.com)使用关键词"Red light t
本研究旨在调查YouTube视频作为红光疗法(Red Light Therapy, RLT)在眼病中应用的教育与信息资源的现状。研究人员于2025年5月1日在YouTube平台(https://www.youtube.com)使用关键词"Red light therapy in eye disease"和"Use of red light therapy in eye diseases for patient information"进行全面检索。纳入分析前预先设定排除标准:时长不足60秒、无音频、重复条目、内容不相关以及禁用评论功能的视频均被排除。视频筛选由E.?.和M.T.完成,之后两名眼科医师独立评估所有视频,并使用最终数据集进行统计分析。评估参数包括:总观看量、评论数、点赞数、上传时间、视频时长、观看率(View Rate)、互动指数(Interaction Index)、视频来源及内容特征。此外,依据全球质量评分(Global Quality Score, GQS)将视频按质量分级:低-中等质量(GQS
4)。并按质量类别对上传者来源、视频目的及参与度相关参数进行比较。
在审查的110个YouTube视频中,53个因不符合预设标准被排除。剩余57个视频涵盖近视(22.8%)、干眼症(33.3%)、糖尿病视网膜病变(12.3%)和年龄相关性黄斑变性(31.6%)。评分者间一致性较高(mDISCERN组内相关系数ICC:0.952;JAMA ICC:0.923;GQS ICC:0.890)。医师上传的视频具有显著更高的mDISCERN、JAMA和GQS评分。教育类视频的mDISCERN和JAMA评分高于患者信息类视频。点赞数与互动指数之间存在中等程度正相关(r
0.01)。互动指数与mDISCERN、JAMA或GQS评分均无显著关联,表明参与度指标并非信息质量的可靠指标。在各疾病类别中,年龄相关性黄斑变性
变性视频的平均质量评分最高,但差异无统计学意义。大多数视频被归类为低-中等质量(82.5%),17.5%为高质量。高质量视频的观看量和点赞数显著高于低-中等质量视频。眼科领域红光疗法相关YouTube视频的整体质量和形式可靠性为低-中等。医师上传和教育类视频提供了更高质量的信息。尽管高质量视频表现出更高的参与度,但 popularity 指标并非信息质量的可靠指标。需要更多基于证据且易于获取的视频内容以支持患者教育。
side
研究背景与问题
随着互联网在医疗健康信息传播中的普及,患者越来越多地通过在线平台获取疾病治疗相关信息。YouTube作为全球访问量第二的网站,因其使用便捷性和开放获取特性,已成为患者、医学生、医师及其他医疗专业人员常用的信息来源。然而,YouTube视频在发布前未经同行评审或质量管控,其信息准确性与可靠性存疑。红光疗法(Red Light Therapy)是一种利用低强度红光和近红外光波长促进机体愈合的治疗方式,又称低强度激光疗法(Low-Level Laser Therapy, LLLT)、光生物调节(Photobiomodulation)或LED疗法,通过特定波长(630–850 nm)刺激线粒体增强三磷酸腺苷(Adenosine Triphosphate, ATP)产生、促进一氧化氮(Nitric Oxide, NO)释放、改善组织血流及营养氧供,同时调节炎症因子和细胞凋亡。在眼科领域,重复低强度红光(Repeated Low-Level Red Light, RLRL)已用于治疗年龄相关性黄斑变性(Age-Related Macular Degeneration, AMD)、近视、干眼症和糖尿病视网膜病变等疾病。然而,关于红光疗法在眼科应用的YouTube视频质量与可靠性尚未见系统评价。错误信息尤其可能加剧患者对循证治疗的偏见,损害医患信任。因此,开展针对该平台红光疗法眼科视频的系统评估具有重要现实意义。
关键技术方法
本研究为横断面观察性研究,采用系统化视频内容分析方法。2025年5月1日,研究人员在清除浏览器历史缓存、未登录用户账户的条件下,以平台默认相关性排序检索YouTube英文视频,关键词为"red light therapy in eye disease"和"use of red light therapy in eye diseases for patient information"。预先设定纳入排除标准:排除60秒以下、无音频、重复、不相关及禁用评论的视频。两名眼科医师(E.?.和M.T.)独立评估所有视频。视频来源分为医师、验光师、患者、健康相关频道或人工智能(Artificial Intelligence, AI)生成内容;视频目的分为教育或患者信息。使用三种标准化工具评估质量可靠性:改良DISCERN问卷(5题 binary 计分,总分0–5分)、美国医学会杂志(Journal of the American Medical Association, JAMA)基准标准(作者身份、引用、披露、时效性4项,总分0–4分)及GQS评分(1–5分)。统计学分析采用Number Cruncher Statistical System(NCSS)2007软件,运用Shapiro-Wilk检验、Kruskal-Wallis检验、Mann-Whitney U检验、Spearman相关分析及Fisher精确检验,以组内相关系数(ICC)评估评分者间一致性,按GQS分界将视频分为低-中等质量(GQS
4)和高质量(GQS
4)两组进行比较。
研究结果
视频筛选与基本特征
在系统审查的110个视频中,53个被排除,最终57个视频纳入分析。疾病分布为:近视13个(22.8%)、干眼症19个(33.3%)、糖尿病视网膜病变7个(12.3%)、AMD 18个(31.6%)。上传来源方面:近视视频中6个来自医师、6个来自验光师、1个为AI生成;干眼视频中10个来自医师、3个来自验光师、2个来自患者、3个来自健康频道、1个为AI生成;糖尿病视网膜病变视频中2个来自医师、1个来自验光师、1个来自患者、1个来自健康频道、2个为AI生成;AMD视频中16个来自医师、2个来自验光师。视频目的方面:近视9个为患者信息、4个为教育;干眼症15个为患者信息、4个为教育;糖尿病视网膜病变6个为患者信息、1个为教育;AMD 14个为患者信息、4个为教育。
评分者一致性与质量分级
两名眼科医师的评分者间一致性高(mDISCERN ICC:0.952;JAMA ICC:0.923;GQS ICC:0.890)。按GQS分级,47个视频(82.5%)为低-中等质量,仅10个(17.5%)为高质量。在37个医师上传视频中,10个(27.0%)为高质量;而患者、验光师、健康频道上传及AI生成视频中均未见高质量视频。Fisher精确检验显示上传来源与质量类别无统计学关联(p 0.791)。
来源、目的与参与度特征分析
医师上传视频的mDISCERN(p = 0.02)、JAMA(p< /sub>
= 0.001)和GQS(p = 0.001)评分显著高于其他来源视频;验光师上传视频的mDISCERN评分显著高于健康频道视频(p = 0.001),但互动指数显著低于健康频道(p = 0.001)。教育目的视频的mDISCERN和JAMA评分显著高于患者信息视频(p = 0.021和p = 0.016)。点赞数与互动指数呈中等正相关(r = 0.458,p < 0.01),但互动指数与mDISCERN、JAMA、GQS评分均无显著关联。高质量视频的观看量和点赞数显著高于低-中等质量视频。.
AMD视频的平均质量评分
在各疾病类别中负担最高,但亚组间差异无统计学意义。.
讨论部分总结与结论翻译
研究人员在讨论中指出,RLRL作为近视、干眼症、糖尿病视网膜病变和AMD等非侵入性治疗手段近期受到关注,但不同疾病在病理生理学、证据基础和监管状态方面存在实质性差异。监管状态的差异可能部分解释视频质量的变异性:已获批适应症更可能在循证教育背景下被讨论,而研究性或超说明书应用可能产生更多样化、商业化驱动或推测性内容。研究发现与既往评估视神经炎、角膜交联术、玻璃体视网膜手术等YouTube视频质量的文献一致,即整体视频质量欠佳,医师制作和机构上传的视频质量更高,而 popularity 指标不能作为信息质量的可靠指标。AI生成视频虽呈现标准化叙述风格,但因缺乏可识别作者身份和来源引用,可能降低问责性和教育价值。观众应将注意力从 popularity 指标转向来源权威性和内容证据支持程度。专业眼科学会和学术机构应考虑开发标准化、基于证据且适配患者理解水平的多媒体内容,并通过机构验证标识和更清晰的披露标准提升在线医学信息平台的可靠性。
研究结论翻译:
"Conclusion: The reliability and formal educational quality of YouTube videos related to red light therapy vary according to disease context, although the overall quality tends to be low to moderate. Differences in evidence base, regulatory status, and clinical acceptance across indications may influence both the quantity and quality of available video content. Because popularity metrics do not reliably indicate informational quality or factual accuracy, patients should be guided toward evidence-based content produced or reviewed by qualified professionals. There is a clear need for the production of more comprehensive, high-quality, and reliable videos to support patient education regarding this emerging therapeutic approach."(结论:红光疗法相关YouTube视频的可靠性和形式教育质量因gom疾病背景而异,但总体质量趋于低-中等。不同适应症在证据基础、监管状态和临床接受度方面的差异可能影响可用视频的数量和质量。由于 popularity 指标不能可靠地指示信息质量或事实准确性,应引导患者选择由合格专业人员制作或审核的基于证据的内容。亟需制作更全面、高质量和可靠的视频,以支持关于这一新兴治疗方法的患者教育。)