Social Media Influence on Surgeon Selection Among Iranian Maxillofacial Patients: Cross-Sectional Survey Study
Notice bibliographique
Résumé
Background: Social media has reshaped health care decision-making; however, its influence on maxillofacial surgeon selection in non-Western contexts such as Iran remains underexplored. Understanding how patients balance digital platforms (eg, Google, Instagram) with traditional referral networks can inform trust dynamics and patient-centered care strategies. Objective: This study aimed to evaluate the impact of social media compared to personal recommendations on maxillofacial surgeon selection among Iranian patients, assessing decision-making factors, trust perceptions, accuracy concerns, and demographic influences. Methods: A cross-sectional survey of 384 patients at maxillofacial surgery clinics in Isfahan, Iran (September-November 2023), was conducted using structured questionnaires to collect data on demographics, surgeon selection pathways, social media use, trust, and accuracy concerns. Descriptive statistics, χ2 tests, one-sample t tests, and multiple linear regression were conducted using SPSS Version 26 to analyze platform impact and predictive variables. Results: Personal recommendations dominated surgeon selection (239/384, 62.2%), significantly outweighing Google (75/384, 19.5%) and Instagram (11/384, 2.9%; χ²=214.3, P<.001). Google and Instagram were used by 160 (41.7%) and 119 (31.0%) patients, respectively; however, their decision-making impact was low with (mean scores: Google 2.27 (0.82), Instagram 2.14 (SD 0.79) on a 1-5 scale; t tests: P<.001). Patient-generated content drove trust, with reviews valued by 144 (37.5%) for Google and 157 (40.9%) for Instagram, and testimonials by 174 (45.3%) for Instagram. Professional credentials influenced 116 (30.2%) participants for Google. Accuracy concerns were moderate; (means values of Google 2.84 (SD 0.91), Instagram 2.85 (SD) 0.88; P<.05). Regression identified recommendations (β=.42, P<.001), credential trust (β=.19, P=.002), and review authenticity (β=.14, P=.02) as predictors, while social media use was not a significant predictor (P=.32). Participants were predominantly female (233/384, 60.7%), aged 21-30 years (117/384, 30.5%), employed (159/384, 41.4%), with moderate income (201/384, 52.3%), and no prior surgery (205/384, 53.4%). Instagram use was higher among younger patients (21-30 years: 48/117, 41.0%; χ²=12.4, P=.006). Conclusions: Social media plays a supplementary role in the selection of maxillofacial surgeons in Iran, with traditional networks prevailing due to cultural trust and low health literacy (adequacy in 43% patients). The emphasis on credible reviews and credentials underscores the need for verified digital content. Contrasting with the digital reliance on aesthetic surgery, these findings advocate for verified profiles, patient education portals, and culturally tailored strategies to enhance trust and patient-centered care.
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 | 0,003 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».