Benefits and harms of patient stories on social media from the perspective of healthcare providers and administrators in Ontario
Notice bibliographique
Résumé
There has been a growing use of social media by patients to share their healthcare experiences and produce information that can be helpful to other patients seeking healthcare services. These stories can reveal issues in healthcare quality. However, faced with the inherent risks of social media, healthcare providers have been skeptical about the value of these stories, and many healthcare systems have adopted restrictive and protective policies to control the use of social media by healthcare providers. This study explores healthcare providers' and administrators' perspectives on patient stories on social media and whether they can use the stories to evaluate healthcare experiences. Semi-structured interviews (n = 21) were conducted with healthcare providers and administrators, including physicians, nurses, and quality managers in Ontario, Canada, between April 2018 and May 2019. Inductive and data-driven thematic analysis was used to analyze the data. Several barriers prevent healthcare providers from realizing the benefits of social media, including concerns about the quality of patients' feedback, the professional codes of conduct, and the time and effort required to process these stories. The study findings suggest that cultural changes in the healthcare system might be required to foster the use of social media for healthcare quality improvement and enable the development of a safe patient-provider communication environment that facilitates the exchange of constructive feedback between the two parties without the fear of legal consequences, breaches of patient privacy, or violation of professional codes of conduct.
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 | 0,007 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,020 | 0,009 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».