A Study to See the Effect of Social Media Usage Among Healthcare Providers
Notice bibliographique
Résumé
Purpose This study aimed to assess how healthcare professionals (HCPs) use social media to determine how it influences the quality of patient care. Materials and methods This is a cross-sectional study conducted over eight months, between August 2020 and March 2021 using a questionnaire and checked amongst investigators. Results One hundred fifty-eight participants had electronic devices and 145 (91.9%) used social media at work. 26.6% of these HCPs said they spent less than an hour on social media forums, 31% said they spent one to two hours, 28.5% said two to three hours, and 13.9% said they spent more than four hours. As compared to nurses (46%), consultants and pharmacists use social media at a much lower rate (1% for each group). Compared to junior doctors, a higher percentage of nurses (40%) said they were aware of a social media policy at their hospital (8%). A quarter of healthcare employees (20%) were unaware of their workplace policy, potentially exposing sensitive medical details to the public. More research is needed to assess the particular effects of these results on patient care quality and can help in providing literature informing applications encrypted and secure patient data. Conclusion According to our results, a large percentage of healthcare quality professionals used social media networks. A significant proportion of doctors and nurses use it to visit online medical forums for improving education. A large portion of surveyed sample was unaware of hospital policy on social media usage. Further education is required to improve the right use of social media in the hospital setting.
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 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».