Health Care Professional and Caregiver Attitudes Toward and Usage of Medical Podcasting: Questionnaire Study
Notice bibliographique
Résumé
BACKGROUND: Podcasts are used increasingly in medicine. There is growing research into the role of podcasts in medical education, but the use of podcasting as a tool for pediatric parent/caregiver health education is largely unexplored. As parents/caregivers seek medical information online, an understanding of parental preferences is needed. OBJECTIVE: We sought to explore health care professional and parent/caregiver awareness and views on podcasting as a health education tool. METHODS: This survey study was conducted and distributed via in-person collection from parents/caregivers (≥18 years old) in the waiting room of an academic pediatric primary care clinic, targeted social media promotion, and professional listservs for health care professionals in pediatrics. Statistical analysis included chi-square tests of independence between categorical variables. RESULTS: In total, 125 health care professionals and 126 caregivers completed the survey. Of those surveyed, 81% (101/125) of health care professionals and 55% (69/126) of parents/caregivers listened to podcasts (P<.001). Health care professionals and parents/caregivers listed the same top 3 quality indicators for medical podcasts. Podcast listeners were more likely to have higher incomes and use professional websites for information. The survey elicited a variety of reasons for podcast nonengagement. CONCLUSIONS: Health care professionals appear to be more engaged in medical education podcasts than parents/caregivers. However, similar factors were valued when evaluating the quality of a pediatric podcast: accuracy, transparency, and credibility. Professional websites may be one avenue to increase podcast uptake. More needs to be done to explore the use of podcasts and digital media for medical information.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».