MétaCan
Menu
← Retour à la cohorte
Enregistrement W4379016399 · doi:10.21203/rs.3.rs-3001511/v1

HowNotToDoPatientEngagement: The Engaging with Purpose Patient Engagement Framework based on a Twitter Analysis of Community Perspectives on Patient Engagement

2023· preprint· en· W4379016399 sur OpenAlexafffund
Brianna Dunstan, Francine Buchanan, Alies Maybee, Aïsha Lofters, Ambreen Sayani

Notice bibliographique

RevueResearch Square · 2023
Typepreprint
Langueen
DomaineHealth Professions
ThématiqueMental Health and Patient Involvement
Établissements canadiensWomen's College Hospital
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésSocial mediaConversationStakeholder engagementMicrobloggingTheme (computing)StakeholderInterpretation (philosophy)PsychologySummative assessmentCommunity engagementPublic relationsMedical educationMedicineComputer scienceWorld Wide WebPolitical sciencePedagogyFormative assessment

Résumé

récupéré en direct d'OpenAlex

Abstract Background: Evaluation of patient engagement practices are frequently researcher-driven, researcher-funded and asymmetric in power dynamics. Little to almost no literature exists that documents patient experiences in patient engagement that are organic and non-institutional. Understanding these perspectives can help us understand what matters to patients when they are engaged in research, why it matters to them, and can offer insights on how to improve the patient engagement process so that the needs and priorities of patients are met. Methods: Twitter is a microblogging platform that contains a vast amount of freely available, user generated, textual data containing personal reflections and opinions. We conducted a conventional and summative content analysis of textual data retrieved from a highly active conversation on Twitter around the hashtags #HowNotToDoPatientEngagement and #HowToDoPatientEngagement between February 2018 to June 2021. Results: A total of 276 tweets were retrieved from 178 separate contributors across seven geographical locations. Four stakeholder groups were identified. We generated 24 codes, seven subthemes and five overarching themes: respect, support, collaboration, inclusivity and impact. Four of these themes are closely aligned with the Strategy for Patient Oriented (SPOR) Patient Engagement framework. We identify impact as a separate and new theme. Interpretation: Based on our findings we offer the Engaging with Purpose Patient Engagement Framework that defines and describes respect, support, collaboration, inclusivity and impact as five key pillars of meaningful patient engagement.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,013
score de la tête « metaresearch » (Gemma)0,026
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,987
Score d'incertitude au seuil0,071

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,026
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0070,006
Études des sciences et des technologies0,0060,009
Communication savante0,0090,010
Science ouverte0,0010,008
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,521
Tête enseignante GPT0,530
Écart entre enseignants0,009 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeQualitatif
DomaineMéthodes
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

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueResearch Square→Même sujetMental Health and Patient Involvement→Travaux en français237 207→