Social Media–Based Cancer Education: Bibliometric and Thematic Analysis
Notice bibliographique
Résumé
Background: Traditional education for patients with cancer faces challenges related to timeliness, accessibility, and a personalized approach. Social media has emerged as a novel platform for delivering cancer-related educational content, garnering growing academic interest. However, a comprehensive assessment of the current research landscape in this domain is lacking. Objective: This study aimed to identify research hotspots; trace the evolution of social media-based education for patients with cancer; and map the leading journals, institutions, and international collaboration networks in this field. Methods: A bibliometric and thematic analysis was conducted using tools, such as VOSviewer, Bibliometrix, and CiteSpace, to examine articles indexed in the Web of Science Core Collection from 2011 to 2025. The analysis explored publication trends, author and institutional collaboration networks, keyword co-occurrence, factor analysis, thematic clusters, and the evolution of disciplinary keyword categories. Results: A total of 119 publications were retrieved. The Journal of Medical Internet Research was the most productive journal in this field, publishing 13 articles (10.9%). The University of Minnesota was the most productive institution, contributing 6 publications (5.0%). The United States accounted for the largest proportion of publications (56/119, 47.1%), with 5 of the top 10 institutions based in the country. The United States also led the international collaboration network. Keyword analysis identified key research hotspots, including platform-specific information dissemination, tailored educational interventions for diverse patient populations, efforts to enhance quality of life, and challenges related to health misinformation. Thematic evolution demonstrated a shift from basic information-seeking behaviors to broader topics such as digital health and health equity, indicating a multidimensional and interdisciplinary research trajectory. Conclusions: This study represents the first bibliometric analysis of social media-based cancer education, providing actionable insights to inform digital health literacy strategies and advance patient-centered, equitable health 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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | Bibliométrie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | high |
| gpt | Bibliométrie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | high |
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,010 | 0,077 |
| Études des sciences et des technologies | 0,001 | 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) | 0,001 | 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».