Navigating Personal and Professional Development Through Social Media in Ophthalmology
Notice bibliographique
Résumé
Background: Although social media use among physicians skyrocketed during the COVID-19 pandemic, its role for networking, mentorship, and support among ophthalmologists remains unknown. The objective of this study was to elucidate how ophthalmologists use social media for navigating challenges related to personal and professional development. Methods: This was a cross-sectional survey study conducted during the height of the COVID-19 pandemic. A 40-item questionnaire investigating the usage of social media was developed and distributed to active social media users in ophthalmology including trainees and practitioners from November 2020 to December 2020 via social media channels. Quantitative responses were analyzed using descriptive and basic statistics, while a thematic analysis was conducted to examine the qualitative responses. Results: One hundred and forty-nine respondents (67% women) completed the survey, with 56% of participants between the ages of 25-35 years old. Women were more likely to report experiencing workplace discrimination (p < 0.005) and work-life imbalance (p < 0.05) compared to men, and social media was found to be useful in addressing those challenges in addition to parenting and mentorship (p < 0.005 and p < 0.001, respectively). Compared to their older counterparts, younger ophthalmologists (<45 years old) cited more challenges with practice management (p < 0.005) and turned to social media for corresponding guidance (p < 0.05). Compared to late career ophthalmologists, trainees were more likely to report difficulties with career development (p < 0.05), practice management (p < 0.0001), and financial planning (p < 0.05), and found social media beneficial for learning financial literacy (p < 0.05). A qualitative analysis of the free-response texts found both positive and negative viewpoints of social media use in ophthalmology. Conclusion: Social media is an invaluable tool for enhancing professional and personal growth for ophthalmologists, particularly for women, trainees, and younger surgeons through education and community-building. Future directions include exploring how social media can be used to improve mentorship, outreach, and training in ophthalmology.
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 | 0,004 | 0,008 |
| 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 | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».