MétaCan
Menu
Retour à la cohorte
Enregistrement W3191780243 · doi:10.1007/s10072-021-05549-9

Neurology podcast utilization during the COVID-19 pandemic

2021· article· en· W3191780243 sur OpenAlexaff
James E. Siegler, Patrick E Boreskie, Roy E. Strowd, Robert Rook, Adeline Goss, Fawaz Al‐Mufti, Bonnie Rossow, Alexandra Miller, Amanda Chamberlain, Zachary London, Jennifer Hurley, Romergryko G. Geocadin, Megan Richie, Richard Isaacson, Igor Rybinnik, Teresa M. Chan

Notice bibliographique

RevueNeurological Sciences · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Media in Health Education
Établissements canadiensMcMaster UniversityUniversity of Manitoba
Organismes subventionnairesNational Cancer Institute
Mots-clésCoronavirus disease 2019 (COVID-19)DownloadNeurologyPandemicNeuroradiologyMedicineSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)2019-20 coronavirus outbreakNeurosurgeryRetrospective cohort studyPediatric NeurologyFamily medicinePsychologyInternal medicinePediatricsDiseasePsychiatryWorld Wide WebInfectious disease (medical specialty)Computer science

Résumé

récupéré en direct d'OpenAlex

Background As medical education shifted to a virtual environment during the early coronavirus disease 2019 (COVID-19) pandemic, we evaluated how neurology podcasting may have been utilized during this period, and which features of podcasts have been more highly sought by a medical audience. Methods We conducted a retrospective analysis of neurology-themed blogs and/or podcasts between April 2019 and May 2020. Programs were eligible if they reported mean monthly downloads > 2000, were affiliated with an academic society, or offered continuing medical education credit. Thirty-day download counts were compared between study months, with adjustment for multiple testing. Exploratory analyses were performed to determine which podcast features were associated with higher downloads. Results Of the 12 neurology podcasts surveyed, 8 completed the survey and 5 met inclusion criteria. The median monthly download count was 2865 (IQR 869–7497), with significant variability between programs (p < 0.001). While there was a 358% increase in downloads during April 2020 when compared to the previous month, this was not significant (median 8124 [IQR 2913–14,177] vs. 2268 [IQR 540–6116], padj = 0.80). The non-significant increase in overall downloads during April 2020 corresponded to an increase in unique episodes during that month (r = 0.48, p = 0.003). There was no difference in 30-day downloads among episodes including COVID-19 content versus not (median 1979 [IQR 791–2873] vs. 1171 [IQR 405–2665], p = 0.28). Conclusions In this unique, exploratory study of academic neurology-themed podcasts, there was no significant increase in episode downloads during the early COVID-19 pandemic. A more comprehensive analysis of general and subspecialty medical podcasts is underway.

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)0,015
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 enseignants0,006
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,002
Science ouverte0,0000,003
Intégrité de la recherche0,0000,001
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 Opus0,428
Tête enseignante GPT0,477
Écart entre enseignants0,049 · 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

Citations10
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeurological SciencesMême sujetSocial Media in Health EducationTravaux en français237 207