MétaCan
Menu
Retour à la cohorte
Enregistrement W4237664144 · doi:10.1093/ibd/izy393.016

P013 UNREGULATED: MEDICAL COMPANIES USE SOCIAL MEDIA TO SELL ALTERNATIVE TREATMENTS FOR INFLAMMATORY BOWEL DISEASE

2019· article· en· W4237664144 sur OpenAlexaboutno aff
Daniel Szvarca, Nadeem Tabbara, Jack Masur, Adam Greenfest, Lindsay Clarke, Marie L. Borum

Notice bibliographique

RevueInflammatory Bowel Diseases · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Media in Health Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSocial mediaInflammatory bowel diseaseDiseaseMedicineUlcerative colitisHealthcare industryHealth careMedical diagnosisFamily medicineComputer scienceWorld Wide WebPathologyPolitical science

Résumé

récupéré en direct d'OpenAlex

Patients are increasingly using social media platforms to inform themselves about their medical diagnoses and explore potential treatment options. The medical industry has begun to utilize social media to communicate directly with potential customers. It is crucial that healthcare professionals are aware of this direct communication and realize that such interactions may significantly influence patients’ decisions about disease management. This study evaluated Twitter messaging by the medical sales industry promoting non-conventional treatments for inflammatory bowel disease (IBD) and assessed origin and content of relevant tweets. The Social Feed Manager software (SFM; version 1.10.0: GW University, 2017) accessed Twitter’s programming interface to obtain content and geographic origin of tweets related to IBD during a 10-day period. SFM queried Twitter using terms including “Crohn’s”, “Ulcerative Colitis”, “IBD”, “and “Inflammatory Bowel Disease” and located origin through the geotag function. Retweets, non-English messages, and tweets that were removed were excluded from analysis. Individual tweets were read and analyzed for content. Statistical analysis was performed using two-tailed Fisher’s Exact test with significance set at p<0.05. 178 tweets originated from the medical sales industry with 97 analyzed after exclusion criteria. 77 (79.4%) messages were geotagged with country of origin, revealing that tweets primarily originated from the US (38; 49.4%), United Kingdom (25; 32.4%) and Canada (9; 11.6%). 19 (24.7%) tweets contained information related to alternative treatments for IBD. Of these 19, 14 were from an identifiable a location: 10 (71.4%) US, 2 (14.2%) UK, 1 (7.1%) from Canada, and 1 (7.1%) from India. These 14 geographically identifiable tweets advertised cannabis/cannabinoid oils (5, 35.7%), antifungals/probiotics (3, 17.6%), and aloe, amino acids, hot peppers, Zeolite, yeast, and plant DNA fragments (6, 42.9%; each with one). Significantly more messages promoting non-conventional treatment options for IBD originated from the US when compared to the UK (p=0.03), Canada (p=0.007) and India (p=0.007). This study revealed that Twitter is a global tool being used to share information regarding alternative therapies for IBD. While this study was limited by Twitter’s determination of relevance and allowable time frame collection, it is important to recognize that social media platforms such as Twitter offer easily accessible, unregulated information directly to patients. As many patients with IBD utilize or consider alternative treatments, it is essential for clinicians to be aware that patients’ therapeutic decisions can be influenced by the medical sales industry’s use of social media. It is critical that healthcare providers are aware of the medical sales industry’s utilization of social media platforms.

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)0,023
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,125
Score d'incertitude au seuil0,418

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,023
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,1250,023

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 Opus0,053
Tête enseignante GPT0,353
Écart entre enseignants0,299 · 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

Citations3
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInflammatory Bowel DiseasesMême sujetSocial Media in Health EducationTravaux en français237 207