Dissemination of evidence in paediatric emergency medicine: a quantitative descriptive evaluation of a 16-week social media promotion
Notice bibliographique
Résumé
OBJECTIVES: TRanslating Emergency Knowledge for Kids (TREKK) and Cochrane Child Health collaborate to develop knowledge products on paediatric emergency medicine topics. Via a targeted social media promotion, we aimed to increase user interaction with the TREKK and Cochrane Child Health Twitter accounts and the uptake of TREKK Bottom Line Recommendations (BLRs) and Cochrane systematic reviews (SRs). DESIGN: Quantitative descriptive evaluation. SETTING: We undertook this study and collected data via the internet. PARTICIPANTS: Our target users included online healthcare providers and health consumers. INTERVENTION: For 16 weeks, we used Twitter accounts (@TREKKca and @Cochrane_Child) and the Cochrane Child Health blog to promote 6 TREKK BLRs and 16 related Cochrane SRs. We published 1 blog post and 98 image-based tweets per week. PRIMARY AND SECONDARY OUTCOME MEASURES: The primary outcome was user interaction with @TREKKca and @Cochrane_Child. Secondary outcomes were visits to TREKK's website and the Cochrane Child Health blog, clicks to and views of the TREKK BLRs, and Altmetric scores and downloads of Cochrane SRs. RESULTS: Followers to @TREKKca and @Cochrane_Child increased by 24% and 15%, respectively. Monthly users of TREKK's website increased by 29%. Clicks to the TREKK BLRs increased by 22%. The BLRs accrued 59% more views compared with the baseline period. The 16 blog posts accrued 28% more views compared with the 8 previous months when no new posts were published. The Altmetric scores for the Cochrane SRs increased by ≥10 points each. The mean number of full text downloads for the promotion period was higher for nine and lower for seven SRs compared with the 16-week average for the previous year (mean difference (SD), +4.0 (22.0%)). CONCLUSIONS: There was increased traffic to TREKK knowledge products and Cochrane SRs during the social media promotion. Quantitative evidence supports blogging and tweeting as dissemination strategies for evidence-based knowledge products.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,129 | 0,338 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,008 | 0,010 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,004 | 0,006 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».