Development and dissemination of structured hashtags for radiation oncology: Two-Year trends
Notice bibliographique
Résumé
Purpose: For radiation oncology, social media is a favored communication platform, but it uses non-structured hashtags, which limits communication. In this work, we created a set of structured hashtags with key opinion leaders in radiation oncology, and we report on their use after two years post-deployment. Materials/Methods: Hashtags were created, voted on, and refined by crowdsourcing 38 international experts, including physicians, physicists, patients, and organizations from North America, Europe, and Australia. The finalized hashtag set was shared with the radiation oncology community in September 2019. The number of tweets for each hashtag was quantified via Symplur through December 2021. For the top five tweeted hashtags, we captured the number of yearly tweets in the pre-deployment and post-deployment periods from 09/01/2019 to 08/31/2021. Results: The initial 2019 list contained 39 hashtags organized into nine categories. The top five hashtags by total number of tweets were: #Radonc, #PallOnc, #MedPhys, #SurvOnc, and #SuppOnc. Six hashtags had less than 10 total tweets and were eliminated. Post-deployment, there was an increase in the yearly tweets, with the following number of tweets by the second year post-deployment: #RadOnc (98,189 tweets), #MedPhys (15,858 tweets), and #SurvOnc (6,361 tweets). Two popular radiation oncology-related hashtags were added because of increased use: #DEIinRO (1,603 tweets by year 2) and #WomenWhoCurie (7,212 tweets by year 2). Over the two years, hashtags were used mostly by physicians (131,625 tweets, 34.8%). Conclusion: We created and tracked structured social media hashtags in radiation oncology. These hashtags disseminate information among a diverse oncologic community. To maintain relevance, regular updates are needed.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».