Guidelines for optimal utilization of social media for brain tumor stakeholders
Notice bibliographique
Résumé
OBJECTIVE: Effective use of social media (SM) by medical professionals is vital for better connections with patients and dissemination of evidence-based information. A study of SM utilization by different stakeholders in the brain tumor community may help determine guidelines for optimal use. METHODS: Facebook, Twitter, and YouTube were searched by using the term "Brain Tumor." Platform-specific metrics were determined, including audience size, as a measure of popularity, and mean annual increase in audience size, as a measure of performance on SM. Accounts were categorized on the basis of apparent ownership and content, with as many as two qualitative themes assigned to each account. Correlations of content themes and posting behavior with popularity and performance metrics were assessed by using the Pearson's test. RESULTS: Facebook (67 pages and 304,581 likes) was predominantly used by organizations (64% of pages). Top themes on Facebook, Twitter, and YouTube were charity and fundraising (67% of pages), education and research (72% of accounts), and experience sharing and support seeking (48% of videos, 60% of views, and 82% of user engagement), respectively. On Facebook, only the presence of other concurrent platforms influenced a page's performance (rho = 0.59) and popularity (rho = 0.61) (p < 0.05). On Twitter, the number of monthly tweets (rho = 0.66) and media utilization (rho = 0.78) were significantly correlated with increased popularity and performance (both p < 0.05). Personal YouTube videos (30% of videos and 61% of views) with the theme of experience sharing and support seeking had the highest level of engagement (60% of views, 70% of comments, and 87% of likes). CONCLUSIONS: Popularity and prevalence of qualitative themes differ among SM platforms. Thus, optimal audience engagement on each platform can be achieved with thematic considerations. Such considerations, along with optimal SM behavior such as media utilization and multiplatform presence, may help increase content popularity and thus increase community access to neurooncology content provided by medical professionals.
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 | 0,060 | 0,174 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,007 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,006 | 0,007 |
| Science ouverte | 0,005 | 0,007 |
| Intégrité de la recherche | 0,006 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,008 |
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 ».