Global innovative perspectives and trends on digital health and patient safety: highlights from the #DHPSP2024 networking event
Notice bibliographique
Résumé
Aim: This manuscript summarizes the key scientific and practical outcomes of the #DHPSP2024 digital networking event, focusing on emerging trends in digital health technologies, innovations in patient safety, and their implications for improving healthcare delivery. Methods: The #DHPSP2024 event was held from June 18 to 20, 2024, on X (formerly Twitter) and LinkedIn, connecting professionals and stakeholders in digital health and patient safety from different sectors. Data from posts on X and LinkedIn were analyzed for geographical distribution, engagement metrics (impressions, likes, shares), top hashtags, and frequently used terms. A qualitative analysis of the central themes and key online messaging discussions of the network event was also conducted. Results: On X, 2,329 posts by 179 participants from 38 countries generated over 231,000 impressions, with the most activity in Austria, China, and India. LinkedIn engagement included 3,475 likes, 217 comments, and 2,030 shares. Both platforms highlighted core themes such as digital health, patient safety, treatment quality, research on natural compounds, and interdisciplinary collaboration. Online messaging discussions emphasized technologies like telemedicine and artificial intelligence as critical tools for enhancing care delivery and patient safety. Participants also promoted special issues of scientific journals and explored collaborative research opportunities. Conclusions: The #DHPSP2024 event underscored the pivotal role of digital technologies in transforming healthcare, particularly in improving the quality and safety of interventions. The findings demonstrate how digital networking events, grounded in open innovation, foster global research communities, accelerate knowledge exchange, and support the integration of clinically relevant digital solutions. The strong engagement reflects growing interest in leveraging digital platforms to advance health outcomes and professional development. Overall, the event contributed to greater visibility of ongoing research, encouraged interdisciplinary cooperation, and may positively influence both the adoption of innovations in healthcare practice and the dissemination of scientific knowledge.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,008 |
| 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 | 0,005 | 0,004 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».