MétaCan
Menu
Retour à la cohorte
Enregistrement W4317538438 · doi:10.3390/ijerph20031936

Celebrities and Medical Awareness—The Case of Celine Dion and Stiff-Person Syndrome

2023· article· en· W4317538438 sur OpenAlexaboutno aff
Abdulrahman Elsalti, Mohammad Darkhabani, Mohamad Aosama Alrifaai, Naim Mahroum

Notice bibliographique

RevueInternational Journal of Environmental Research and Public Health · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMisinformation and Its Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésApprehensionPhenomenonPublic healthDiseasePsychologyMedicinePsychiatryPublic relationsInternet privacyPolitical sciencePathologyCognitive psychology

Résumé

récupéré en direct d'OpenAlex

The positive role of celebrities in spreading important medical information and contributing to increasing public awareness regarding the diagnosis, treatment, and prevention of various medical conditions cannot be overemphasized. Interestingly and importantly at the same time, this impact is not related to the rarity of the disease, as very rare diseases are looked up by the public due to the fact that a celebrity suffers from this disorder. Therefore, if taken seriously and used to address the public in regard to critical medical conditions, such as screening for cancer or the importance of vaccines in fighting infections, celebrities could have a huge impact in this field. As previously shown in the medical literature, the recent announcement of the famous Canadian singer Celine Dion concerning her newly diagnosed stiff-person syndrome has influenced the public interest regarding the syndrome which manifested as an increased search volume related to the disorder as seen in Google Trends. In brief, in this short communication we aimed to address the phenomenon of celebrities' impact on public apprehension, revise the syndrome for the medical community, and emphasize taking advantage of such involvement of celebrities for improving the spread of highly important medical information for the public.

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)0,005
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,882
Score d'incertitude au seuil0,275

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
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 Opus0,138
Tête enseignante GPT0,450
Écart entre enseignants0,312 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

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

En bref

Citations7
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Environmental Research and Public HealthMême sujetMisinformation and Its ImpactsTravaux en français237 207