MétaCan
Menu
← Retour à la cohorte
Enregistrement W4403782153 · doi:10.2196/58510

Emerging Use of Social Media in Clinical Urology Practice in the 21st Century: Survey Study

2024· article· en· W4403782153 sur OpenAlexvenueno aff
Mohammed Alfozan, Saad Alshahrani, Raed Alasmi

Notice bibliographique

RevueJMIR Formative Research · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Media in Health Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPreprintSocial mediaUrologyMedicinePolitical scienceComputer scienceWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

Background: Social media (So-Me) platforms are valuable resources for health care professionals and academics to discover, discuss, and distribute current advances in research and clinical practices, including technology trends. Objective: This study aims to assess the role of So-Me in urological practice in Saudi Arabia. It explores the influence of digital platforms on patient interaction, professional communication, decision-making, and education. Methods: The survey was conducted among 145 urologists from July 2021 to July 2022 following institutional review board approval. A questionnaire designed using the SurveyMonkey platform examined urologists' knowledge of So-Me. The survey was conducted using the CHERRIES (Checklist for Reporting Results of Internet E-Surveys) guidelines and was open for 17 weeks. Data analysis was performed using SPSS 21.0. Results: Of the 145 participants, 70% (n=102) were Saudi Arabians. The most common age groups were 30-40 (n=68, 46.8%) and 41-50 (n=61, 42.2%) years, with a gender distribution of 44.8% (n=65) women and 55.2% (n=80) men. A total of 61.5% (n=89) of urologists reported using So-Me accounts for professional purposes, with 54.9% (n=80) sharing health-related information. Social media enhanced patient connections beyond clinic visits for 55.8% (n=81) of respondents, while 57.2% (n=83) used it to provide educational resources. Additionally, 56.5% (n=82) believed So-Me facilitated patient feedback and improved their practice. In terms of professional communication, 60.6% (n=88) of urologists agreed that So-Me facilitated collaboration with colleagues, while 63.3% (n=92) used it to stay updated on the latest advances in urology. Furthermore, 62% (n=90) followed professional societies or journals on So-Me, and 63.3% (n=92) used it for continuing medical education. A majority (n=94, 64.7%) reported that So-Me influenced treatment decisions based on new research findings, and 85.3% (n=124) learned about novel technologies and treatment options through these platforms. Regression analysis showed a significant positive correlation between gender and social media usage patterns (R=0.653, R2=0.426), indicating that approximately 42.6% of the differences in usage patterns can be attributed to gender. However, the Pearson χ2 analysis showed that gender did not significantly affect most aspects of social media use, except information sharing and participating in online discussions (both P<.05). Conclusions: This study highlights the widespread use of So-Me among urologists in Saudi Arabia, underscoring its role in enhancing patient interaction, professional development, and clinical decision-making. Strategically designed health care programs using social media could improve and modernize professional and patient-centered care in Saudi Arabia through legislative assistance and guidelines.

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)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,473
Tête enseignante GPT0,638
Écart entre enseignants0,165 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative Research→Même sujetSocial Media in Health Education→Travaux en français237 207→