MétaCan
Menu
Retour à la cohorte
Enregistrement W2891822381 · doi:10.1136/neurintsurg-2018-014319

#Fake news: a systematic review of mechanical thrombectomy results among neurointerventional stroke surgeons on Twitter

2018· review· en· W2891822381 sur OpenAlexaff
Adam A. Dmytriw, Thomas J. Sorenson, Jonathan M. Morris, Patrick Nicholson, Christopher Alan Hilditch, Christopher S. Graffeo, Waleed Brinjikji

Notice bibliographique

RevueJournal of NeuroInterventional Surgery · 2018
Typereview
Langueen
DomaineSocial Sciences
ThématiqueSocial Media in Health Education
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineSocial mediaIntracerebral hemorrhageStroke (engine)ThrombolysisIntervention (counseling)Emergency medicineInternal medicineMyocardial infarctionSubarachnoid hemorrhagePsychiatry

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Twitter is a popular social media platform among physicians. Neurointerventionalists frequently document their lifesaving mechanical thrombectomy cases on Twitter with very favorable results. We fear that there may be some social media publication bias to tweeted mechanical thrombectomy cases with neurointerventionalists being more likely to tweet cases with favorable outcomes. We used these publicly documented cases to analyze post-intervention Twitter-reported outcomes and compared these outcomes with the data provided in the gold standard literature. METHODS: Two reviewers performed a search of Twitter for tweeted cases of acute ischemic strokes treated with mechanical thrombectomy. Data were abstracted from each tweet regarding baseline characteristics and outcomes. Twitter-reported outcomes were compared with the Highly Effective Reperfusion Evaluated in Multiple Endovascular Stroke (HERMES) trial individual patient meta-analysis. RESULTS: When comparing the tweeted results to HERMES, tweeted cases had a higher post-intervention rate of modified Thrombolysis In Cerebral Infarction (mTICI) scale score of 2c/3 (94% vs 71%, respectively; p<0.0001) and rate of National Institutes of Health Stroke Scale (NIHSS) score ≤2 (81% vs 21%, respectively; p<0.0001). There were no reported complications; thus, tweeted cases also had significantly lower rates of complications, including symptomatic intracerebral hemorrhage (0% vs 4.4%, respectively; p<0.0001), type 2 parenchymal hemorrhage (0% vs 5.1%, respectively; p<0.0001), and mortality (0% vs 15.3%, respectively; p<0.0001). CONCLUSIONS: There is a significant difference between social media and reality even within the 'MedTwitter' sphere, which is likely due to a strong publication bias in Twitter-reported cases. Content on 'MedTwitter', as with most social media, should be accepted cautiously.

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)0,012
score de la tête « metaresearch » (Gemma)0,062
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,138
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0120,062
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0050,008
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,245
Tête enseignante GPT0,446
Écart entre enseignants0,201 · 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.

Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations23
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of NeuroInterventional SurgeryMême sujetSocial Media in Health EducationTravaux en français237 207