Social media in pathology and laboratory medicine: A systematic review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The use of social media platforms in pathology and medical laboratory science has increased in recent years, revolutionizing the way professionals in these fields interact, disseminate information, and collaborate. To gain an understanding of the current landscape regarding social media use in pathology and medical laboratory science, a novel systematic review was conducted. A search of PubMed, Medline, Embase, and Scopus was performed to identify articles evaluating social media use within pathology and medical laboratory science. Articles published in English within the previous 10 years were searched on December 22, 2022. Inclusion criteria were articles containing information regarding social media utility in pathology or laboratory medicine and related articles that mentioned specific hashtags for pathology. The review process involved analyzing the social media platforms referenced, hashtags mentioned, and the presence of international authors as key endpoints of interest. 802 publications were identified; 54 studies met inclusion criteria. Subspecialties represented were considered, but none were found to be statistically significant. X/Twitter (n = 42) was the most discussed social media platform. The top hashtags discussed were #pathJC (5.1%), #dermpathJC (4.2%), #USCAP2016 (3.4%), and #PathBoards (3.4%). Analysis of these articles provides insights into current trends, including the social media platforms referenced, hashtags used, and involvement of international authors. This review will contribute to a deeper understanding of the role and impact of social media in these fields, highlighting opportunities and challenges for future research and practice in pathology and lab medicine.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle