MétaCan
Menu
Retour à la cohorte
Enregistrement W4301309049 · doi:10.17615/eg0z-fb92

Social Media and the Practicing Hematologist: Twitter 101 for the Busy Healthcare Provider

2020· article· en· W4301309049 sur OpenAlexfundno aff
William A. Wood, Michael Thompson, Mélanie Chaboissier, Navneet S. Majhail, Miguel‐Angel Perales

Notice bibliographique

RevueUNC Libraries · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Media in Health Education
Établissements canadiensnon disponible
Organismes subventionnairesAurora Research InstituteAmerican Society for Blood and Marrow Transplantation
Mots-clésHematologistSocial mediaHealth careInternet privacyComputer scienceWorld Wide WebMedicinePolitical science

Résumé

récupéré en direct d'OpenAlex

Social media is a relatively new form of media that includes social networks for communication dissemination and interaction. Patients, physicians, and other users are active on social media including the microblogging platform Twitter. Many online resources are available to facilitate joining and adding to online conversations. Social media can be used for professional uses, therefore we include anecdotes of physicians starting on and implementing social media successfully despite the limits of time in busy practices. Various applications demonstrating the utility of social media are explored. These include case discussions, patient groups, research collaborations, medical education and crowdsourcing/crowdfunding. Social media is integrating into the professional workflow for some individuals and hematology/oncology societies. The potential for improving hematology care and research is just starting to be explored.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,020
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,955
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,020
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,266
Tête enseignante GPT0,408
Écart entre enseignants0,142 · 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 tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUNC LibrariesMême sujetSocial Media in Health EducationTravaux en français237 207