MétaCan
Menu
Retour à la cohorte
Enregistrement W3123770424 · doi:10.2196/26117

Dental care during the COVID-19 Pandemic: An Arabic tweets analysis (Preprint)

2020· article· en· W3123770424 sur OpenAlexvenueno aff
Khalifa S. Al‐Khalifa, Rasha AlSheikh, Yaser A Alsahafi, Atheer S. Al-Khalifa, Shazia Sadaf, Yasmeen Y. Muazen, Saud Abdullah AlMoumen, Ashwin S Yermal

Notice bibliographique

RevueJMIR Public Health and Surveillance · 2020
Typearticle
Langueen
DomaineDentistry
ThématiqueDental Research and COVID-19
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPandemicCoronavirus disease 2019 (COVID-19)ArabicPreprintDescriptive statisticsMedicineWorld Wide WebComputer scienceDiseaseStatistics

Résumé

récupéré en direct d'OpenAlex

Background: Twitter is a powerful platform which could be used to improvise the demand and supply of dental services during a pandemic. Objective:The aim of this study was to examine the nature and dissemination of COVID-19 information related to dentistry on Twitter platform Arabic database.Methods: One hundred and fifty independent searches with a combination of keywords for both COVID-19 and dentistry from a preselected Arabic keyword were carried out for the period from the 2nd of March to the 6th of July 2020.Tweets were filtered to remove duplicate and unrelated tweets.The suitable tweets were 1,150.After calibration, two examiners coded the tweets following two main themes: COVID-19 and oral health-related information.Tweets were then compared with COVID-19 daily events in the Arab counties as reported by the World Health Organization (WHO).Descriptive analysis was performed to present the overview of the findings using Microsoft Excel.Results: There was no obvious association between time distribution of the tweets to the distribution of new COVID-19 cases and deaths during the period from March 2, 2020 to July 6, 2020.The most retweeted information was the help with urgent consultation or emergency dental treatment during COVID-19 tweeted by a dentist.There were 673 retweets and 1116 likes of this tweet.The most common tweets related to oral health was needs of dental treatment (n=462, 39.5%) of which, toothaches or wisdom tooth problems constituted 48% of the related tweets. Conclusions:Twitter is a platform reflecting the public interest and concerns, based on the finding tweets tend to increase with major events and news and thus help navigate the proper action needed to address public concern.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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 seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,082
Tête enseignante GPT0,391
Écart entre enseignants0,309 · 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Public Health and SurveillanceMême sujetDental Research and COVID-19Travaux en français237 207