Impact of #PsychTwitter in promoting global psychiatry: A hashtag analysis study
Notice bibliographique
Résumé
Introduction: Multiple studies have shown how valuable Twitter hashtags can be for promoting content related to different themes in the online community. This arena has grown into a rich data source for public health observation and understanding key trends in healthcare on a global scale. In the field of mental health in particular, it would be of benefit to understand and report the key stakeholders' (individual mental health professionals, academic organizations and their countries) trends and patterns of psychiatric knowledge and information dissemination using #PsychTwitter. Objective: In this study, we aim to evaluate the achieved outreach of psychiatry-related tweets using the hashtag #PsychTwitter. Methods: We utilized the Symplur Signals research analytics tool to characterize tweets containing #PsychTwitter from the 20th of August, 2019, to the 20th of August, 2022. Results: The #PsychTwitter movement resulted in 125,297 tweets that were shared by 40,058 Twitter users and generated a total of 492,565,230 impressions (views). The three largest identified groups of contributors were Doctors (13.8% of all tweets), Org. Advocacy (6.2% of all tweets), and Researcher/Academic (4% of all tweets) stakeholders. The top influential accounts consisted of 55 psychiatrists and 16 institutional or organizational accounts. The top 5 countries from where most of the tweets containing #PsychTwitter were shared include the United States (54.3% of all users), the United Kingdom (10.4% of all users), Canada (4.9% of all users), India (2% of all users), and Australia (1.8% of all users). Conclusion: This is the first of its kind study featuring the influence and usage of #PsychTwitter and covering its global impact in the field of psychiatry using the Twitter platform. Our results indicate that Twitter represents a broadly used platform for mental health-related discussions.
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 | 0,003 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».