Conflict of interest and funding in health communication on social media: a systematic review
Notice bibliographique
Résumé
OBJECTIVES: To synthesise the available evidence on the reporting of conflicts of interest (COI) by individuals posting health messages on social media, and on the reporting of funding sources of studies cited in health messages on social media. DATA SOURCES: MEDLINE (OVID) (2005-March 2022), Embase (2005-March 2022) and Google Scholar (2005-August 2022), supplemented with a review of reference lists and forward citation tracking. DESIGN: Reviewers selected eligible studies and abstracted data in duplicate and independently. We appraised the quality of the included studies using the Mixed Methods Appraisal Tool. We summarised the results in both narrative and tabular formats. We followed the PRISMA 2020 checklist for reporting our study. RESULTS: Of a total of 16 645 retrieved citations, we included 17 eligible studies. The frequency of reporting of conflicts of interest varied between 0% and 60%, but it was mostly low. In addition, a significant proportion, ranging between 15% and 80%, of healthcare professionals using social media have financial relationships with industry. However, three studies assessed the proportion of conflicts of interest of physicians identified through Open Payment Database but not reported by the authors. It was found that 98.7-100% of these relationships with industry are not reported when communicating health-related information. Also, two studies showed that there is evidence of a potential association between COI and the content of posting. No data was found on the reporting of funding sources of studies cited in health messages on social media. CONCLUSIONS: While a significant proportion of healthcare professionals using social media have financial relationships with industry, lack of reporting on COI and undisclosed COI are common. We did not find studies on the reporting of funding sources of studies cited in health messages on social media. TRIAL REGISTRATION: dx.doi.org/10.17504/protocols.io.5jyl8jj4rg2w/v1.
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 | 0,085 | 0,393 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,009 | 0,007 |
| Bibliométrie | 0,026 | 0,024 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,008 | 0,011 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,005 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».