Florür Tedavisi ile İlgili Bir Bilgi Kaynağı Olarak YouTube: İçerik ve Kalite Analizi

YouTube as a Source of Information for Fluoride Treatment: a Content and Quality Analysis

Özet

Giriş ve Amaç: Florür tedavisi, koruyucu diş hekimliği ve ağız sağlığında kritik bir role sahiptir. Hastaların YouTube üzerinden erişebilecekleri bilgi düzeyinin belirlenmesi, klinisyenlerin hastanın tedaviye yaklaşımı hakkında bilgi sahibi olması açısından önemlidir. Bu çalışmanın amacı, florür tedavisi ile ilgili YouTube videolarındaki bilgilerin kalitesini değerlendirmektir. Yöntem ve Gereçler: 14 Kasım 2019 tarihinde Google Trend ile florür tedavisi en popüler anahtar kelime olarak belirlenmiş ve ilk 120 videonun 86 videosuna yer verilmiştir. İçerik, bazı alt başlıklar dikkate alınarak 10 puan üzerinden değerlendirilmiştir. Video bilgileri ve kalite indeksi (VIQI), 5 puanlık bir skorlama kullanılarak değerlendirilmiştir. İstatistiksel değerlendirmeler için Mann Whitney-U, Ki Kare ve Spearman korelasyon analizleri yapılmıştır. Bulgular: 86 video, her videonun toplam içerik puanları dikkate alınarak düşük içerikli (%66.3, n=57) ve yüksek içerikli videolar (%33.7, n=29) olmak üzere iki gruba ayrılmıştır. Gruplar arasında toplam VIQI skorlarında (p

Abstract

Introduction: Fluoride treatment has a critical role in preventive dentistry and oral health. Determining the level of information that patients can access via YouTube is considerable for the knowledge of clinicians about the patient's approach to treatment. The aim of this study is to evaluate the quality of information on YouTube videos about fluoride treatment. Methods: In Google Trends on November 14, 2019, fluoride treatment was identified as the most popular keyword and 86 videos of the first 120 videos were included. The content was evaluated considering some sub-topics on 10 points score. Video information and quality index (VIQI) was evaluated using a 5-point score. Statistically, Mann Whitney-U, Chi-Square and Spearman correlation analyses were performed. Results: 86 videos were divided into two groups as low content (%66.3, n=57) and high content videos (%33.7, n=29) considering the total content scores of each video. A significant difference was found in the total VIQI scores (p