#OrthoTwitter: Relationship Between Author Twitter Utilization and Academic Impact in Orthopaedic Surgery
Notice bibliographique
Résumé
Background #OrthoTwitter has evolved to disseminate findings and engage the public. However, the academic impact of Twitter utilization in orthopaedic surgery is unknown. Questions/purposes The purpose of the study was to evaluate relationships between the author and manuscript Twitter activity and citations. Methods Manuscripts in 17 orthopaedic journals from 2018 were identified. Citations, online mentions, impact factors, and subspecialties were obtained. H-index and Twitter account details for authors were obtained for a subset of manuscripts. Relationships between Twitter activity and citations were evaluated. Results 2,473/4,224 (58.5%) manuscripts were mentioned on Twitter (n=29,958 mentions), with Twitter manuscripts cited more frequently (median 10 vs. 7, p<0.0001). Twitter mentions, impact factors, non-open-access status, and subspecialties were associated with citation counts. Articles mentioned in 10, 100, and 1,000 Tweets were observed to have a 1.1-fold, 1.7-fold, and 245-fold increase in citations. In author-level analyses, 156 (20.0%) first and 216 (27.7%) senior authors had Twitter accounts. Citation count was associated with increasing senior author H-index (βest=0.13, p<0.05), Twitter mentions (βest=0.0043, p<0.0001), impact factors (βest=0.13, p<0.0001), and having a first (βest=0.20, p<0.05) or senior author (βest=0.17, p<0.05) on Twitter. Articles published in arthroplasty (βest=0.49, p<0.05), general interest (βest=0.55, p<0.01), sports (βest=0.63, p<0.01), and non-open access journals (βest=0.41, p<0.001) were cited more. H-index correlated with followers for first (rho=0.31, p<0.0001) and senior authors (rho=0.44, p<0.0001). Conclusion Author Twitter utilization is independently associated with manuscript citations. Authors should be aware of the potential association between social media utilization and traditional academic impact. Understanding the relationship between social media utilization and academic impact is necessary to effectively disseminate research.
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 | 0,004 | 0,065 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 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) | 0,018 | 0,003 |
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 ».