Exploring the use of social media and online methods to engage persons with lived experience and healthcare professionals in creating research agendas: Lessons from a pediatric cancer research priority-setting partnership
Notice bibliographique
Résumé
Social media is increasingly used to engage persons with lived experience and healthcare professionals in research, however, there remains sparse guidance on how to effectively use social media to engage these groups in research agenda-setting. Here we report our process and experience utilizing a social media campaign to engage Canadians within the pediatric cancer community in a research priority-setting exercise. Following the James Lind Alliance method, we launched a priority-setting partnership (PSP) to develop a child with cancer-, survivor-, family member-, and healthcare professional-based Canadian pediatric cancer research agenda. Social media-based strategies were implemented to recruit participants for two PSP surveys, including preparatory activities, developing a website, launching graphics and advertisements, and engaging internal and external networks. Descriptive statistics of our data and analytics provided by the platforms are used presently to report our process. The framework we implemented involved preparing for social media use, identifying a target audience, developing campaign content, conducting the campaign, refining the campaign as needed, and evaluating its success. Our process resulted in a substantial social media-based reach, good survey completion rates, and a successfully developed pediatric cancer community-specified research agenda. Social media may represent a useful approach to engage persons with lived experience and healthcare professionals in research agenda development. Based on our experience, we present strategies to increase social media campaign engagement that may be useful to those seeking to conduct health research priority-setting exercises.
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 | 0,102 | 0,079 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,028 | 0,018 |
| Communication savante | 0,015 | 0,010 |
| Science ouverte | 0,004 | 0,025 |
| Intégrité de la recherche | 0,003 | 0,007 |
| 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 ».