Online community discourse on spinal cord injury research
Notice bibliographique
Résumé
BACKGROUND: Public perceptions of spinal cord injury (SCI) research can influence trust in scientific advancements and therapeutic interventions. Social media is a useful tool to provide insight into these perceptions and related values. This study examines comments to posts pertaining to SCI research reports on a widely used social media platform. METHOD: We used search term 'spinal cord injury' to collect posts and associated top-level comments spanning 2016-2023 from Reddit. Posts were included if they contained research reports on one of the following SCI interventions: biologic and synthetic materials; devices and technologies; physical and behavioral interventions; and pharmacological treatments. Each unique comment per Reddit post was coded for user self-identification, format, intervention, topic, and tone. RESULTS: Key topics of interest were: scientific progress (52%, 514/994), study details (30%, 301/994), and ethical implications (24%, 237/994) across interventions. Comments were generally neutral in tone. Fifty-four comments were made by users who self-identified as persons with lived experience of a spinal cord-related condition. Ethics-related comments (237/994) were focused on the themes of access (35%, 84/237) and beneficence (24%, 58/237). CONCLUSION: The SCI community is actively using the social media platform Reddit to seek information about research and its ethical dimensions. Across users, a significant proportion of comments are on research progress, ethics and study information. The largest proportion of ethics-focused comments by self-identifiers are on agency, and then equally on access, values, and resilience; ethics-related comments by non-self-identifiers focus on access, and beneficence.
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 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 | 0,012 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,004 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».