How Should Social Media Be Used in Transplantation? A Survey of the American Society of Transplant Surgeons
Notice bibliographique
Résumé
BACKGROUND: Social media platforms are increasingly used in surgery and have shown promise as effective tools to promote deceased donation and expand living donor transplantation. There is a growing need to understand how social media-driven communication is perceived by providers in the field of transplantation. METHODS: We surveyed 299 members of the American Society of Transplant Surgeons about their use of, attitudes toward, and perceptions of social media and analyzed relationships between responses and participant characteristics. RESULTS: Respondents used social media to communicate with: family and friends (76%), surgeons (59%), transplant professionals (57%), transplant recipients (21%), living donors (16%), and waitlisted candidates (15%). Most respondents (83%) reported using social media for at least 1 purpose. Although most (61%) supported sharing information with transplant recipients via social media, 42% believed it should not be used to facilitate living donor-recipient matching. Younger age (P = 0.02) and fewer years of experience in the field of transplantation (P = 0.03) were associated with stronger belief that social media can be influential in living organ donation. Respondents at transplant centers with higher reported use of social media had more favorable views about sharing information with transplant recipients (P < 0.01), increasing awareness about deceased organ donation (P < 0.01), and advertising for transplant centers (P < 0.01). Individual characteristics influence opinions about the role and clinical usefulness of social media. CONCLUSIONS: Transplant center involvement and support for social media may influence clinician perceptions and practices. Increasing use of social media among transplant professionals may provide an opportunity to deliver high-quality information to 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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».