The Impact of Social Media for Hand Surgeons: A Prevalence and Correlation Study With Online and Academic Reputations
Notice bibliographique
Résumé
Purpose This study examines the influence of social media use among orthopedic and plastic-trained hand surgeons on patient-reported ratings online and academic productivity. Methods The American Society of Surgery of the Hand directory was queried for actively practicing orthopedic and plastic surgeons with a hand surgery fellowship. Each name was searched on various social media platforms. Average ratings, number of reviews, and number of comments were collected from Healthgrades, Google reviews, and Vitals. H-index was searched on Scopus. A summated social media presence score was calculated to identify the top 20% of social media users in each cohort. Results A total of 97 orthopedic and 102 plastic surgeons were included. Overall, plastic surgeons were more active on social media compared to orthopedic surgeons. There was a positive association between having active profiles and Healthgrades ratings. When looking within the subgroups, the top 20% of social media orthopedic users were found to have a significantly higher mean Healthgrades rating and a mean number of comments than the rest of the cohort. On Vitals, the top 20% of social media users had higher mean ratings compared to the remaining 80%. The top 20% of plastics social media users had a significantly higher average Healthgrades rating compared to the rest of the plastics group. On Google reviews, the top 20% also had higher mean ratings, as well as mean number of ratings, compared to the rest of the cohort. Plastic surgeons with a Twitter/X account had a significantly higher h-index than plastic surgeons without a Twitter/X account (14.5 vs 9.2, P < .05). Conclusions Social media involvement is positively associated with surgeon ratings and the number of reviews and comments on physician rating websites. Using web-based marketing tools is still rare in hand surgery, especially among orthopedic surgeons. Type of study/level of evidence Economic/decision analysis IV.
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 | 0,002 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».