MétaCan
Menu
Retour à la cohorte
Enregistrement W4285341179 · doi:10.2196/34549

Worldwide Presence of National Anesthesia Societies on Four Major Social Networks in 2021: Observational Case Study

2022· article· en· W4285341179 sur OpenAlexvenueno aff
Thomas Clavier, Émilie Occhiali, Claire Guenet, Naurine Vannier, Camille Hache, Vincent Compère, Jean Selim, Emmanuel Besnier

Notice bibliographique

RevueJMIR Perioperative Medicine · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Media in Health Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSocial mediaObservational studyMedicinePolitical scienceLawInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Although the presence of medical societies on social networks (SNs) could be interesting for disseminating professional information, there is no study investigating their presence on SNs. OBJECTIVE: The aim of this viewpoint is to describe the worldwide presence and activity of national anesthesia societies on SNs. METHODS: This observational study assessed the active presence (≥1 post in the year preceding the collection date) of the World Federation of Societies of Anesthesiologists member societies on the SNs Twitter, Facebook, Instagram, and YouTube. We collected data concerning each anesthesia society on the World Federation of Societies of Anesthesiologists website. RESULTS: Among the 136 societies, 66 (48.5%) had an active presence on at least one SN. The most used SN was Facebook (n=60, 44.1%), followed by Twitter (n=37, 27.2%), YouTube (n=26, 19.1%), and Instagram (n=16, 11.8%). The SN with the largest number of followers was Facebook for 52 (78.8%) societies and Twitter for 12 (18.2%) societies. The number of followers was 361 (IQR 75-1806) on Twitter, 2494 (IQR 1049-5369) on Facebook, 1400 (IQR 303-3058) on Instagram, and 214 (IQR 33-955) on YouTube. There was a strong correlation between the number of posts and the number of followers on Twitter (r=0.95, 95% CI 0.91-0.97; P<.001), Instagram (r=0.83, 95% CI 0.58-0.94; P<.001), and YouTube (r=0.69, 95% CI 0.42-0.85; P<.001). According to the density of anesthetists in the country, there was no difference between societies with and without active SN accounts. CONCLUSIONS: Less than half of national anesthesia societies have at least one active account on SNs. Twitter and Facebook are the most used SNs.

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)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesBibliométrie, Communication savante
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 enseignants0,999
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0020,001
Communication savante0,0010,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,219
Tête enseignante GPT0,452
Écart entre enseignants0,233 · 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.

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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Perioperative MedicineMême sujetSocial Media in Health EducationTravaux en français237 207