Analysis of the Digital Footprint of Orthopaedic Surgeons
Notice bibliographique
Résumé
INTRODUCTION: Patients increasingly rely on Google search to guide their choice of healthcare providers. Despite this trend, there is limited literature systematically characterizing the online presence of orthopaedic surgeons. The goal of this study was to identify the information patients see after queries of Google search when selecting orthopaedic surgeon providers. METHODS: The Physician Comparable downloadable file from the Centers for Medicare and Medicaid Services was deduplicated and filtered. A list of orthopaedic surgeons within the United States was generated, of which a randomized sample was taken and queried using a Google Custom Search. The results for each surgeon's first page were classified into the following categories: (1) hospital-controlled content website, (2) third-party health website, (3) social media website, (4) primary academic journals, or (5) other. RESULTS: The most frequently returned website was third-party health websites (43.3%). Statistically significant differences were observed in the categories across multiple comparisons, including academic and nonacademic orthopaedic surgeons, male and female providers, and surgeons from different graduation years. DISCUSSION: Most of the results were attributed to third-party websites demonstrating that orthopaedic surgeons do not have notable control over their digital footprint. Increased patient visibility of physician-controlled websites and an objective rating system for patients remain potential areas of growth.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».