User‐driven conversations about dialysis through Facebook: A qualitative thematic analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
AIM: As one of the most popular social networking sites in the world, Facebook has strong potential to enable peer support and the user-driven sharing of health information. We carried out a qualitative thematic analysis of the wall posts of a public Facebook group focused on dialysis to identify some of the major themes discussed. METHODS: We searched Facebook using the word 'dialysis'. A Facebook group (Dialysis Discussion Uncensored) with the highest number of members was selected amongst publicly available forums related to dialysis and operated in English (http://www.facebook.com/groups/DialysisUncensored). Two researchers independently extracted information on features of the group including purpose, group members and the user-generated posts on the group wall. Posts were further analysed to develop major themes. RESULTS: Characteristics of a Facebook group based on its participants and activities are presented. Three themes are described with representative quotations. In a period of 2 weeks, we found 1257 wall posts with total of 31 636 likes and 15 972 comments. All messages were in English, and the majority of the participants were dialysis patients. However, we observed the participation of family members and care providers as well. Posts were categorized into three major themes: sharing information, seeking and providing emotional and social support and sharing experience. CONCLUSION: Findings of this study provide an example of how a social networking platform can enable patients and their families to share information and to encourage peer-based support for managing dialysis-related experiences.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 découle