Is global health truly global? A hashtag analysis of #GlobalHealth disparities on X
Notice bibliographique
Résumé
Background X (Formerly known as Twitter) healthcare hashtags are a popular healthcare informatics and educational tool among medical professionals. #Globalhealth is one such widely used hashtag with extensive engagement. This study analyses #GlobalHealth to understand its pattern, global digital distribution, and other parameters during the COVID-19 pandemic on X. Methods Data was collected by utilizing posts using #GlobalHealth on X from 1st December 2019 to 1st November 2022. The analysis was performed using Symplur Signals to assess several parameters, such as the cumulative number of posts, impressions, category of users, co-occurring hashtags, and geolocation. The Symplur Rank system was used to assess the impact of influencers using the hashtag. Results A total of 843,762 posts were shared by 150,408 X users, with 4,639,144,304 impressions. Most posts (73.8%) were made by unclassified accounts, followed by doctors (4.2%), followed by other health workers. The #COVID19 was the most common co-occurring hashtag (43%). The top locations and the most influential X users came from the United States, the United Kingdom, and Canada. Among the top 25 most influential handles, a maximum (N = 09) were based in the United States—most profiles (N = 10) were categorized as international organizations followed by journals (N = 03). Conclusion The study gives a glimpse into the discrepancies in global distribution and stakeholders of #GlobalHealth. Most posts originated from the global north, which hints at how the trend to #GlobalHealth is not perhaps as global as it is thought to be, and it also reflects upon the real-world scenarios in the context of Global Health Equity. Thus, deeper and wider studies on this digital discrepancy may add more to the existing discourse on the topic.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 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 ».