World Gynecologic Oncology Day: the use of Twitter to raise awareness of gynecologic cancers
Notice bibliographique
Résumé
BACKGROUND: Social media provides an opportunity for people to connect and form communities. This community architecture can help to disseminate health-related information in the form of an awareness campaign. The European Society of Gynaecological Oncology and the European Network of Gynaecological Cancer Advocacy Groups initiated a global campaign, World Gynecologic Oncology Day, on September 20, 2020. We studied and analyzed the impact and reach of this Twitter campaign. OBJECTIVE: This study aimed to assess the impact and reach of the 2020 World Gynecologic Oncology Day Twitter campaign. STUDY DESIGN: We analyzed gynecologic oncology-specific posts (tweets) between 12 am on September 17, 2020, to 11:59 pm on September 25, 2020 (Coordinated Universal Time), covering the days immediately before and after World Gynecological Oncology Day (September 20, 2020), using Tweepy. The European Network of Gynecological Cancer Advocacy Groups suggested hashtags (#GoForPurple, #WorldGODay, and #GoForCheckup) should be used for this social media campaign. We used these hashtags for our data (tweet) collection. RESULTS: A total of 382 Twitter accounts participated in this campaign and 662 tweets, including retweets, were reported. Of those, 22% of participants were healthcare professionals. A total of 164 unique hashtags were identified, and #WorldGODay was the most frequently used among the Twitter accounts. #VaginalCancer, #CervicalCancer, and #VulvarCancer were used in relation to the campaign. We identified 5 significant communities that contributed to raising awareness. CONCLUSION: Twitter campaigns should be designed around a single, short, easy-to-spell hashtag and coordinated with previously identified influential accounts using timed tweets. #WorldGOday hashtag was relevant, easy to spell, memorable, and the most effective hashtag used in this campaign.
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 | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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) | 0,001 | 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 ».