MétaCan
Menu
Retour à la cohorte
Enregistrement W2784583325 · doi:10.1007/s10897-018-0215-y

How Might the Genetics Profession Better Utilize Social Media

2018· article· en· W2784583325 sur OpenAlexaboutno aff
Rebekah Moore, Anne L. Matthews, Leslie Cohen

Notice bibliographique

RevueJournal of Genetic Counseling · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Media in Health Education
Établissements canadiensnon disponible
Organismes subventionnairesEngelberg FoundationNational Society of Genetic Counselors
Mots-clésGenetic counselingConfidentialityOutreachSocial mediaGenetic testingMedical geneticsPsychologyMedicineMedical educationPublic relationsFamily medicineGeneticsWorld Wide WebPolitical scienceComputer science

Résumé

récupéré en direct d'OpenAlex

Social media is a common method of communication in people's personal lives and professional settings. Gallagher et al. (2016) recommended, "it is time for genetic counselors to embrace social media as a means of communicating with patients or other healthcare professionals." Full members of the National Society of Genetic Counselors (NSGC) in the USA and Canada and genetics patients in Cleveland, OH, were surveyed to determine interest in using social media for patient-provider interactions. Both cohorts indicated that patient privacy and confidentiality would be a concern; however, survey results indicated patients would be interested in using social media to receive general information about genetic counseling and to learn about genetics services. Genetic counselors indicated privacy issues were not concerning if social media were to be used in this capacity. The majority of genetic counselor participants (88.7%) indicated they would welcome national guidelines for patient-provider social media use. Data from this study demonstrated that sharing what to expect at a genetic counseling appointment, defining genetic counseling, and announcing community outreach events are possible ways genetic counselors could utilize social media to communicate with and educate patients.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,783
Score d'incertitude au seuil0,951

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
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 Opus0,094
Tête enseignante GPT0,389
Écart entre enseignants0,295 · 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'étudeSans objet
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

Citations9
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Genetic CounselingMême sujetSocial Media in Health EducationTravaux en français237 207