MétaCan
Menu
Retour à la cohorte
Enregistrement W3138728463 · doi:10.2196/25229

Use of Twitter in Neurology: Boon or Bane?

2021· review· en· W3138728463 sur OpenAlexfundno aff
Biswamohan Mishra, Monica Saini, Carolynne Doherty, Robert D. S. Pitceathly, Roopa Rajan, Omar K. Siddiqi, Gita Ramdharry, Ajay Asranna, Pedro José Tomaselli, Allan G. Kermode, Jawad A. Bajwa, Divyani Garg, Venugopalan Y. Vishnu

Notice bibliographique

RevueJournal of Medical Internet Research · 2021
Typereview
Langueen
DomaineSocial Sciences
ThématiqueSocial Media in Health Education
Établissements canadiensnon disponible
Organismes subventionnairesMedical Research CouncilCumming School of Medicine, University of CalgaryMuscular Dystrophy Association
Mots-clésSocial mediaField (mathematics)Internet privacyNeurologyEngineering ethicsMedicineData scienceWorld Wide WebComputer scienceEngineeringPsychiatry

Résumé

récupéré en direct d'OpenAlex

Twitter is a free, open access social media platform that is widely used in medicine by physicians, scientists, and patients. It provides an opportunity for advocacy, education, and collaboration. However, it is likely not utilized to its full advantage by many disciplines in medicine, and pitfalls exist in its use. In particular, there has not been a review of Twitter use and its applications in the field of neurology. This review seeks to provide an understanding of the current use of Twitter in the field of neurology to assist neurologists in engaging with this potentially powerful application to support their work.

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)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,005
Science ouverte0,0010,001
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,736
Tête enseignante GPT0,656
Écart entre enseignants0,080 · 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'étudeSans objet
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

Citations9
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Medical Internet ResearchMême sujetSocial Media in Health EducationTravaux en français237 207