MétaCan
Menu
Retour à la cohorte
Enregistrement W2885023218 · doi:10.4314/ahs.v18i3.41

Family physicians' utility of social media: a survey comparison among family medicine residents and physicians

2018· article· en· W2885023218 sur OpenAlexaff
Karim Syed Irfan, Farhana Irfan, Al Faris Eiad, Al Maflehi Nassr, Al Qahtani Al Mohammed, Nadeem Maya, Al Hazmi Ali, Ahmed Abdullah, Cees van der Vleuten

Notice bibliographique

RevueAfrican Health Sciences · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Media in Health Education
Établissements canadiensYork UniversityUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésSocial mediaMedicineFamily medicineData collectionMedical education

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Social media has become ubiquitous and has brought a dramatic change in health services. Little is known about its use by family physicians and residents for personal or professional purpose. The aim of the current study was to evaluate the utility of social media among family medicine residents and consultants. METHODS: The collection of data was through the use of a five part questionnaire developed by researchers. The questionnaire was delivered to 70 physicians and 100 residents, out of which 132questionnaires were completed, representing a 78 percent response rate. RESULTS: Our findings demonstrate that there was an overall high use of social media. Females used social media more for general education and professional purposes. Men, by contrast, used it more frequently for personal purposes. The participants in this study appeared to consider social media as having several useful dimensions, such as: enabling them to accomplish job tasks, improve job performance, productivity and more effective patient care when using social media. CONCLUSIONS: To date, limited studies have compared social media use among family physicians and residents. This study may serve as an initial step for future studies explaining the pattern of use among physicians.

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)0,002
score de la tête « metaresearch » (Gemma)0,010
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 enseignants0,005
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,242
Tête enseignante GPT0,464
Écart entre enseignants0,222 · 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

Citations18
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAfrican Health SciencesMême sujetSocial Media in Health EducationTravaux en français237 207