Inflammatory Bowel Disease and X (Formerly Twitter) Influencers: Who Are They and What Do They Say?
Notice bibliographique
Résumé
Background and objective More than half of the population suffering from inflammatory bowel disease (IBD) use the internet as a primary source of information on their condition. X (formerly Twitter) has been increasingly used to disseminate healthcare-related information. In this study, we aimed to identify top influencers on the topic of IBD on X and correlate the relevance of their social media engagements with their professional expertise or academic productivity. Methods X (formerly Twitter) influence scores for the search topic IBD were obtained using Cronycle API, a proprietary software employing multiple algorithms to rank influencers. Data regarding gender, profession, location, and research productivity represented as h-index was collected. Results We collected information on the top 100 IBD influencers on X. The majority of influencers were gastroenterologists, followed by IBD advocates. Of note, 62% of the IBD influencers were from the US followed by the UK and Canada. A positive correlation was observed between the X topic score and the h-index of the influencer (r=+0.488, p<0.001) Conclusions The strong correlation observed between the X topic score and h-index suggests that social media is a viable platform for gaining information regarding IBD. Further research aimed at counteracting misleading information by providing facts and data in a succinct manner about IBD on social media is required to improve disease awareness.
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 | 0,001 | 0,009 |
| 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 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».