An exploratory study to understand how people use Twitter to share experiences or information about spinal stenosis
Notice bibliographique
Résumé
BACKGROUND: Spinal stenosis is a narrowing of the spinal canal that may compress neurological tissues resulting in pain and disability. Although previous qualitative studies have solicited data regarding the life experience of patients with spinal stenosis or their opinions on relevant non-surgical treatments, their data was collected from participants in a controlled setting. Therefore, it remains unclear whether patients' or caregivers' concerns/opinions about spinal stenosis would be different in a non-experimental environment. Since Twitter is a popular online platform for people to share information and interact, it may reveal people's thoughts and attitudes about spinal stenosis. This study aimed to identify tweets that are related to spinal stenosis on Twitter, and to categorize them into common themes. METHODS: A social media monitoring and analysis software program (TalkWalker) was used to search relevant tweets using the keywords 'spinal stenosis' and 'stenosis' between 29 May 2019 and 24 June 2020. Two independent reviewers screened and conducted content analysis of the tweets and classified the tweets into different themes. RESULTS: Of 510 identified tweets, 362 tweets met the selection criteria. Five themes were identified: (1) compromised physical, psychological, and social wellbeing (n = 173); (2) diverse treatment options (n = 69); (3) coping strategies (n = 30); (4) dissemination of scientific information (n = 86); and (5) health policy (n = 4). Most of the tweets revealed negative impacts of spinal stenosis on patients' physical and psychosocial wellbeing. People with spinal stenosis shared their experiences and sought helps from others, while some people used Twitter to disseminate relevant information and research findings. CONCLUSIONS: This is the first study exploring Twitter using an online analytical tool to identify themes related to spinal stenosis. The approach not only helps understand people's concerns about spinal stenosis in an uncontrolled environment, but also can be adopted to monitor influences of diseases or public health education on Twitter users.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,004 |
| 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 ».