Social media use among patients and caregivers: a scoping review
Notice bibliographique
Résumé
OBJECTIVE: To map the state of the existing literature evaluating the use of social media in patient and caregiver populations. DESIGN: Scoping review. DATA SOURCES: Medline, CENTRAL, ERIC, PubMed, CINAHL Plus Full Text, Academic Search Complete, Alt Health Watch, Health Source, Communication and Mass Media Complete, Web of Knowledge and ProQuest (2000-2012). STUDY SELECTION: Studies reporting primary research on the use of social media (collaborative projects, blogs/microblogs, content communities, social networking sites, virtual worlds) by patients or caregivers. DATA EXTRACTION: Two reviewers screened studies for eligibility; one reviewer extracted data from relevant studies and a second performed verification for accuracy and completeness on a 10% sample. Data were analysed to describe which social media tools are being used, by whom, for what purpose and how they are being evaluated. RESULTS: Two hundred eighty-four studies were included. Discussion forums were highly prevalent and constitute 66.6% of the sample. Social networking sites (14.8%) and blogs/microblogs (14.1%) were the next most commonly used tools. The intended purpose of the tool was to facilitate self-care in 77.1% of studies. While there were clusters of studies that focused on similar conditions (eg, lifestyle/weight loss (12.7%), cancer (11.3%)), there were no patterns in the objectives or tools used. A large proportion of the studies were descriptive (42.3%); however, there were also 48 (16.9%) randomised controlled trials (RCTs). Among the RCTs, 35.4% reported statistically significant results favouring the social media intervention being evaluated; however, 72.9% presented positive conclusions regarding the use of social media. CONCLUSIONS: There is an extensive body of literature examining the use of social media in patient and caregiver populations. Much of this work is descriptive; however, with such widespread use, evaluations of effectiveness are required. In studies that have examined effectiveness, positive conclusions are often reported, despite non-significant findings.
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 | 0,027 | 0,106 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,004 |
| Bibliométrie | 0,028 | 0,026 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».