Content Analysis of Instagram Stories of Top Plastic Surgeons
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.
Notice bibliographique
Résumé
Abstract Instagram stories (Meta, Menlo Park, CA) are posted at higher volumes and incite increased engagement for accounts. This is because of Instagram's algorithm, which typically only shows static posts to 10% of an account's followers. Given the importance of social media in cosmetic surgery practices, a detailed analysis of trends is useful in guiding plastic surgeon marketing regimes. The aim of the authors of this study is to provide a detailed analysis of Instagram story content posted by top 100 most-followed plastic surgeons in the world. One hundred plastic surgery Instagram accounts in the world were identified by their total number of followers and using the keywords “plastic,” “cosmetic,” “aesthetic,” and “surgeon.” Accounts of each surgeon were monitored daily over 1 week, with story content categorically logged. Broad categories included personal, educational, surgical, and engagement, which were further divided into subcategories. Qualitative and quantitative measures were used to assess demographics and trends. The average number of followers by the top accounts was 437,917 ± 36,216. The majority of accounts were located in North America (64%). The average number of stories posted each week was 28.2 ± 3.7, with the highest number posted on Friday (5.01) and the lowest on Saturday (2.67). The most common content of stories posted was related to surgical procedures (57.6%), contributing 1577 total stories. In this descriptive study, the authors provide insight into the nature of Instagram story content posted by top-followed plastic surgeons in the world, providing guidance to new and existing plastic surgeons in their social media practices. Level of Evidence: 5 (Therapeutic):
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 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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle