MétaCan
Menu
Retour à la cohorte
Enregistrement W2901669534 · doi:10.2196/10530

Investigation of Radiation Oncologists’ Awareness of Online Reputation Management

2018· article· en· W2901669534 sur OpenAlexvenueno aff
J.F. Waxer, Sudesh Srivastav, Christian Steven DiBiase, Steven J. DiBiase

Notice bibliographique

RevueJMIR Cancer · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiquePatient Satisfaction in Healthcare
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésReputationReputation managementKnowledge managementBusinessComputer sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Online reputation management (ORM) is an emerging practice strategy that emphasizes the systematic and proactive monitoring of online reviews relating to one's professional reputation. OBJECTIVE: We developed this survey project to assess whether radiation oncologists are aware of ORM and how it is utilized in their practices. We hypothesized that ORM is largely unknown by most practicing radiation oncologists and that little time is spent actively managing their reputations. METHODS: An online survey was submitted to 1222 radiation oncologists using the Qualtrics research platform. Physician emails were gathered from the American Society for Radiation Oncology member directory. A total of 85 physicians initiated the survey, whereas 76 physicians completed more than or equal to 94% (15/16) of the survey questions and were subsequently used in our analyses. The survey consisted of 15 questions querying practice demographics, patient satisfaction determination, ORM understanding, and activities to address ORM and 1 question for physicians to opt-in to a US $50 Amazon gift card raffle. The survey data were summarized using a frequency table, and data were analyzed using the Chi-square test, Fisher exact test, and Spearman correlation coefficients. RESULTS: We calculated a 7% (85/1222) response rate for our survey, with a completion rate of 89% (76/85). A majority of respondents (97%, 74/76) endorsed being somewhat or strongly concerned about patient satisfaction (P<.001). However, 58% (44/76) of respondents reported spending 0 hours per week reviewing or managing their online reputation and 39% (30/76) reported spending less than 1 hour per week (P<.001). A majority of physicians (58%, 44/76) endorsed no familiarity with ORM (P<.001) and 70% (53/76) did not actively manage their online reputation (P<.001). Although 83% (63/76) of respondents strongly or somewhat believed that patients read online reviews (P<.001), 57% (43/76) of respondents did not check their online reviews (P=.25) and 80% (61/76) endorsed never responding to online reviews (P<.001). Moreover, 58% (44/76) of the respondents strongly or somewhat supported the idea of managing their online reputation going forward (P=.001). In addition, 11 out of the 28 pairs of questions asked in our correlation studies reached statistical significance. Degree of concern for patient satisfaction and the notion of managing one's ORM going forward were the 2 most frequently correlated topics of statistical significance in our analyses. CONCLUSIONS: ORM is presently under-recognized in radiation oncology. Although most practitioners are concerned about patient satisfaction, little effort is directed toward the internet on this matter. ORM offers an area of practice improvement for many practicing radiation oncologists.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,032
Score d'incertitude au seuil0,422

Scores Codex et Gemma par catégorie

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

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 Opus0,164
Tête enseignante GPT0,514
Écart entre enseignants0,350 · 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.

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

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR CancerMême sujetPatient Satisfaction in HealthcareTravaux en français237 207