MétaCan
Menu
Retour à la cohorte
Enregistrement W2144033902 · doi:10.2196/med20.2720

Health Care Social Media: Expectations of Users in a Developing Country

2013· article· en· W2144033902 sur OpenAlexvenueno aff
Amrita Amrita

Notice bibliographique

RevueMedicine 2 0 · 2013
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Media in Health Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHealth careSocial mediaBusinessUsabilityPopulationImmediacyAffect (linguistics)PremiseMarketingInternet privacyAdvertisingPsychologyMedicineEnvironmental healthComputer scienceEconomicsEconomic growthWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Affordability, acceptability, accommodation, availability, and accessibility are the five most important dimensions of access to health services. Seventy two percent of the Indian population lives in semi-urban and rural areas. The strong mismatched ratio of hospitals to patients, rising costs of health care, rapidly changing demographics, increasing population, and heightened demands in pricing for technological health care usage in emerging economies necessitate a unique health delivery solution model using social media. A greater disease burden lies in the health care delivery in developing country like India. This is due to the lack of health care infrastructure in the majority of semi-urban and rural regions. New techniques need to be introduced in these regions to overcome these issues. In the present scenario, people use social media from business, automobiles, arts, book marking, cooking, entertainment, and general networking. Developed and advanced countries like the United States have developed their communication system for many years now. They have already established social media in a number of domains including health care. Similar practice incidences can be used to provide a new dimension to health care in the semi-urban regions of India. OBJECTIVE: This paper describes an extended study of a previous empirical study on the expectations of social media users for health care. The paper discusses what the users of social media expect from a health care social media site. METHODS: Multiple regression analysis was used to determine the significance of the affect of four factors (privacy, immediacy, usability, and communication) on the usage of health care social media. Privacy, immediacy, usability, and communication were the independent variables and health care social media was the dependant variable. RESULTS: There were 103 respondents who used the online questionnaire tool to generate their responses. The results from the multiple regression analysis using SPSS 20 showed that the model is acceptable, with P=.011, which is statistically significant on a P<.05 level. The observed F value (2.082) in ANOVA was less than the given value in the F table (2.61), which allowed us to accept the hypothesis that the independent variables influence the dependant variable. The users of social media in India expect that they can best utilize social media through emergency service information. They want to be able to learn the operations of the social media site quickly and expect to know about health camps and insurance collaborations. However, people like to become friends with people with similar interests based on their interests identified. CONCLUSIONS: Health care social media requires intelligent implementation in developing economies. It needs to cater to the expectations of the users. The people in India, especially those in urban and semi-urban regions, are very interested in accepting the system.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,235
Score d'incertitude au seuil0,969

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,095
Tête enseignante GPT0,435
Écart entre enseignants0,340 · 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 tête enseignante, pas un consensus.

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

Citations2
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedicine 2 0Même sujetSocial Media in Health EducationTravaux en français237 207