MétaCan
Menu
Retour à la cohorte
Enregistrement W2796030317 · doi:10.2196/publichealth.8737

Contents, Followers, and Retweets of the Centers for Disease Control and Prevention’s Office of Advanced Molecular Detection (@CDC_AMD) Twitter Profile: Cross-Sectional Study

2018· article· en· W2796030317 sur OpenAlexvenueno aff
Isaac Chun‐Hai Fung, A. Jackson, Lindsay A Mullican, Elizabeth B Blankenship, Mary Elizabeth Goff, Amy Guinn, Nitin Saroha, Zion Tsz Ho Tse

Notice bibliographique

RevueJMIR Public Health and Surveillance · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Media in Health Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDisease controlGovernment (linguistics)MedicineEnvironmental health

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The Office of Advanced Molecular Detection (OAMD), Centers for Disease Control and Prevention (CDC), manages a Twitter profile (@CDC_AMD). To our knowledge, no prior study has analyzed a CDC Twitter handle's entire contents and all followers. OBJECTIVE: This study aimed to describe the contents and followers of the Twitter profile @CDC_AMD and to assess if attaching photos or videos to tweets posted by @CDC_AMD would increase retweet frequency. METHODS: Data of @CDC_AMD were retrieved on November 21, 2016. All followers (N=809) were manually categorized. All tweets (N=768) were manually coded for contents and whether photos or videos were attached. Retweet count for each tweet was recorded. Negative binomial regression models were applied to both the original and the retweet corpora. RESULTS: Among the 809 followers, 26.0% (210/809) were individual health professionals, 11.6% (94/809) nongovernmental organizations, 3.3% (27/809) government agencies' accounts, 3.3% (27/809) accounts of media organizations and journalists, and 0.9% (7/809) academic journals, with 54.9% (444/809) categorized as miscellaneous. A total of 46.9% (360/768) of @CDC_AMD's tweets referred to the Office's website and their current research; 17.6% (135/768) referred to their scientists' publications. Moreover, 80% (69/86) of tweets retweeted by @CDC_AMD fell into the miscellaneous category. In addition, 43.4% (333/768) of the tweets contained photos or videos, whereas the remaining 56.6% (435/768) did not. Attaching photos or videos to original @CDC_AMD tweets increases the number of retweets by 37% (probability ratio=1.37, 95% CI 1.13-1.67, P=.002). Content topics did not explain or modify this association. CONCLUSIONS: This study confirms CDC health communicators' experience that original tweets created by @CDC_AMD Twitter profile sharing images or videos (or their links) received more retweets. The current policy of attaching images to tweets should be encouraged.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,057
Tête enseignante GPT0,397
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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations12
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Public Health and SurveillanceMême sujetSocial Media in Health EducationTravaux en français237 207