MétaCan
Menu
Retour à la cohorte
Enregistrement W4407598524 · doi:10.62754/joe.v3i8.6414

Assess Nurses' Social Media Conduct's Effect on Patient Trust

2024· article· en· W4407598524 sur OpenAlex
Nadia Ageel Zebidi, Emtenan Abdulfattah Bajammal, Fatimah ahmed Alshaikhi, Munirah Ali Almeshal, Bashaer khedr Albarnawi, Abdullah Saleh Al-Ghamdi, Norah Abdullah Alnajim, Hajar Saud Albalawi, A. Hadadi, Dalal H. Alotaibi, Saeed Mohammad Khorman Al Zahrani

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Ecohumanism · 2024
Typearticle
Langueen
DomaineMedicine
ThématiquePatient Dignity and Privacy
Établissements canadiensInnovation Cluster (Canada)
Organismes subventionnairesnon disponible
Mots-clésSocial mediaPsychologyBusinessSocial psychologyInternet privacyComputer scienceWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

Background: The increasing reliance on social media has transformed how healthcare professionals, including nurses, access and share medical knowledge. Digital platforms such as WhatsApp, Facebook, Twitter, and LinkedIn provide avenues for professional networking, information exchange, and patient education. However, challenges such as misinformation, privacy concerns, and ethical dilemmas complicate the use of these tools in clinical practice. This study explores the role of social media in nursing, examining its benefits, risks, and the types of health information sought by nurses. Methods: A mixed-method, cross-sectional study design was employed, integrating quantitative and qualitative approaches. Data were collected from 280 nurses through structured questionnaires and focus group discussions (FGDs). The survey assessed demographic characteristics, social media usage patterns, and perceptions of its advantages and challenges. Quantitative data were analyzed using SPSS, while qualitative insights were derived through thematic analysis using NVivo software. Results: Findings indicate that WhatsApp, Facebook, and Twitter are the most frequently used platforms for accessing health information. Nurses primarily sought information on patient experiences, health conditions, and second opinions, while topics such as insurance, medication, and therapy details received less attention. Key benefits included increased access to medical knowledge, enhanced professional networking, and emotional support. However, challenges such as misinformation (44.1%), privacy concerns (55.5%), information overload (29.5%), and risks of personal data disclosure (31.3%) were identified as major concerns. Conclusion: The study highlights the significant impact of social media in nursing, providing an essential tool for professional development and patient engagement. However, risks such as misinformation and ethical concerns necessitate guidelines to ensure responsible usage. It is recommended that healthcare institutions implement policies to promote digital literacy and safeguard privacy while maximizing the benefits of social media in nursing practice.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,401
Score d'incertitude au seuil0,709

Scores Codex et Gemma par catégorie

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

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 Opus0,107
Tête enseignante GPT0,365
Écart entre enseignants0,258 · 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