Patient Experiences and Insights on Chronic Ocular Pain: Social Media Listening Study (Preprint)
Notice bibliographique
Résumé
BACKGROUND Ocular pain has multifactorial etiologies that affect activities of daily life, psychological well-being, and health-related quality of life (QoL). Chronic ocular surface pain (COSP) is a persistent eye pain symptom lasting for a period longer than 3 months. OBJECTIVE The objective of this social media listening study was to better understand COSP and related symptoms and identify its perceived causes, comorbidities, and impact on QoL from social media posts. METHODS A search from February 2020 to February 2021 was performed on social media platforms (Twitter, Facebook, blogs, and forums) for English-language content posted on the web. Social media platforms that did not provide public access to information or posts were excluded. Social media posts from Australia, Canada, the United Kingdom, and the United States were retrieved using the Social Studio platform—a web-based aggregator tool. RESULTS Of the 25,590 posts identified initially, 464 posts about COSP were considered relevant; the majority of conversations (98.3%, n=456) were posted by adults (aged >18 years). Work status was mentioned in 52 conversations. Patients’ or caregivers’ discussions across social media platforms were centered around the symptoms (61.9%, n=287) and causes (58%, n=269) of ocular pain. Patients mentioned having symptoms associated with COSP, including headache or head pressure, dry or gritty eyes, light sensitivity, etc. Patients posted that their COSP impacts day-to-day activities such as reading, driving, sleeping, and their social, mental, and functional well-being. CONCLUSIONS Insights from this study reported patients’ experiences, concerns, and the adverse impact on overall QoL. COSP imposes a significant burden on patients, which spans multiple aspects of daily life.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».