An Updated Review of Plastic Surgery-Related Hashtag Utilization on Instagram: Implications for Education and Marketing
Notice bibliographique
Résumé
BACKGROUND: The popularity of social media continues to have a significant impact in the plastic surgery industry. Understanding the influence of such platforms and recognizing trends, specifically on Instagram, can reveal significant implications for education and marketing. OBJECTIVES: This study aims to gather updated information on 3 main questions: (1) what plastic surgery-related content is being posted to Instagram; (2) who is posting this content; and (3) what specific hashtags are they using? METHODS: This study analyzed 22 plastic surgery-related hashtags on Instagram. Content analysis was then used to qualitatively evaluate each of the 9 "top" posts associated with each hashtag (198). Any duplicates or posts not relevant to plastic surgery were excluded. RESULTS: A total of 11,516,969 posts utilized the 22 hashtags sampled. Of the top 198 posts, only 168 met final inclusion criteria (after duplicates and posts irrelevant to plastic surgery were excluded). Plastic surgeons eligible for membership in The Aesthetic Society accounted for only 4.17% of top posts (7 posts), whereas non-eligible physicians accounted for 20.8% (35 posts). Twenty-eight surgeons accounted for the top posts (excluding foreign surgeons); however, only 6 were board certified by either the American Board of Plastic Surgeons or The Royal College of Physicians and Surgeons of Canada. CONCLUSIONS: The Aesthetic Society eligible board-certified plastic surgeons are a minority amongst physicians posting top plastic surgery-related content on Instagram.
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 | 0,007 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,016 | 0,017 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,006 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 ».