JMIR J医疗互联网服务 医学互联网研究杂志 1438 - 8871 卡塔尔世界杯8强波胆分析 加拿大多伦多 v19i8e280 28818821 10.2196 / jmir.8049 原始论文 原始论文 患者参与医疗保健会议:与医生或研究人员相比,参与的患者增加了信息流,扩大了传播范围,并加深了推特对话的参与度 Eysenbach 冈瑟 亚太 迪安娜 布什 卡罗 Utengen 拍完 工商管理硕士 1 http://orcid.org/0000-0003-4851-269X Rouholiman 达拉 废话 2 http://orcid.org/0000-0002-1188-6877 赌博 贾米森G 英里每小时 2 http://orcid.org/0000-0003-3168-054X Grajales三世 旧金山的穆 MS, CD, R Kin 3. http://orcid.org/0000-0003-2942-4889 普拉丹 尼莎 英航 4 http://orcid.org/0000-0003-2777-4682 Staley 艾丽西亚C MBA,女士 2 http://orcid.org/0000-0002-5321-3179 伯恩斯坦 莉莎 2 http://orcid.org/0000-0001-9235-6634 年轻的 肖恩·D 女士博士 5 http://orcid.org/0000-0001-6052-4875 Clauson 凯文一 PharmD 6 http://orcid.org/0000-0003-2774-8169 拉里·F 马里兰州女士 2
斯坦福X医学 斯坦福大学医学院 巴斯德路300号 斯坦福,加州,94305 美国 1 (650) 723 6632 1 (650) 497 9335 lchu@stanford.edu
http://orcid.org/0000-0003-0814-6402
1 Symplur 洛杉矶,加州 美国 2 斯坦福X医学 斯坦福大学医学院 加利福尼亚州斯坦福大学 美国 3. 社会创新和影响投资中心 Sauder商学院 英属哥伦比亚大学 温哥华公元前 加拿大 4 临床遗传学服务 纪念斯隆凯特琳癌症中心 纽约州纽约 美国 5 加州大学预测技术研究所 家庭医学系 加州大学洛杉矶分校 洛杉矶,加州 美国 6 药学院 以至于大学 美国田纳西州纳什维尔 美国 通讯作者:Larry F Chu lchu@stanford.edu 08 2017 17 08 2017 19 8 e280 15 5 2017 13 6 2017 26 6 2017 29 6 2017 ©Audun Utengen, Dara Rouholiman, Jamison G. Gamble, Francisco Jose Grajales III, Nisha Pradhan, Alicia C Staley, Liza Bernstein, Sean D Young, Kevin A Clauson, Larry F Chu。最初发表于《医疗互联网研究杂志》(//www.mybigtv.com), 2017年8月17日。 2017

这是一篇开放获取的文章,根据创作共用署名许可(https://creativecommons.org/licenses/by/4.0/)的条款发布,允许在任何媒介上无限制地使用、分发和复制,前提是正确引用最初发表在《医学互联网研究杂志》上的原创作品。必须包括完整的书目信息,//www.mybigtv.com/上的原始出版物的链接,以及此版权和许可信息。

背景

卫生保健会议提供了一个独特的机会来建立网络,激发创新,并向大量观众传播新信息,但信息的传播通常停留在非常特定的网络中。通过社会网络分析可以了解虚拟社会社区之间的信息流动以及患者在网络中的作用。

客观的

本研究的目的是研究参与患者对医疗保健会议社交媒体信息流的影响,以及与其他医疗保健会议利益相关者(如医生和研究人员)相比,他们如何扩大推文的传播和分发。

方法

从2014年1月到2016年12月,从1672个医疗保健会议中分析了7,644,549条推文,其中至少有1000条推文在2014年至2016年期间注册了Symplur的医疗保健标签项目。对推文内容进行分析,以根据每个会议的提及创建一个前100名影响力人物列表,然后按利益相关者群体进行分类。使用逐步函数构建建立多元线性回归模型,以确定解释可变性的因素作为模型的预测变量,其中会议推文作为因变量。

结果

与医生相比,参与医疗会议的患者参与社交媒体的比例较低,并且在过去3年没有显著变化。当医疗保健会议中包括患者的声音时,他们的推文总量(beta=301.6)与医生(beta=137.3)相比,大大增加了信息流(beta=301.6)。 P<.001),在会议期间通过社交媒体创造的印象(beta=1,700,000)与医生(beta=270,000, P<.001),通过对他们的推文回复(beta=24.4)与医生(beta=5.5, P<措施)。对中心和权威机构的社交网络分析显示,与其他利益相关者群体的Twitter账户(平均7.19×10-4, SD 3.81×10-4;t273.84 = 4.302, P<措施)。

结论

尽管与医生相比,参与的患者是信息流动的强大加速器,推文传播的扩展者,并且极大地加深了医疗保健会议社交媒体推文对话的参与度,但他们只占对话中前100名影响者的利益相关者组合的1.4%。未能让患者参与会议进程的卫生保健会议可能会限制其与公众的接触,将科学信息传播到一个狭窄的社区,并减缓社交媒体渠道的信息流动。

社交媒体 病人 医生 病人参与 以国会为主题 社交网络,网络分析
简介

传统上,卫生保健会议由专家、行业专家或其他涉及特定会议领域的人参加。卫生保健会议提供了一个独特的机会,以建立网络,激发创新,并向广大观众传播新信息。Twitter是一个微博和社交媒体网站,每月有3.13亿用户,其中82%主要是移动用户。Twitter在医疗保健会议上越来越受欢迎,因为它允许与会者彼此互动,并与他们更大的社交网络互动,促进信息和想法的共享。 1- 13].例如,在美国临床肿瘤学会的年会上,推文从2012年的10475条增加到2014年的44034条,2012年的印象数为53001708次(即推文被看到的次数由可以查看推文的粉丝总数决定),2014年的印象数为154362922次[ 11].

我们之前报道了让患者参与医学会议的重要性,并确定了患者参与学术医学会议的四个支柱[ 14].这四个支柱包括住宿(考虑患者的身体需求),共同设计(患者与项目创建者共同设计会议),参与(包括观众中的患者和作为演讲者的患者),以及教育和指导(引导患者与会议利益相关者合作)。通过让患者参与医疗保健会议,讨论中加入了新的声音。可以说,医疗会议和医疗保健的最终目的是改善患者及其家人的生活。通过积极地让患者参与谈话,患者能够分享他们的想法并表达对他们来说最重要的问题。 15].患者的纳入和参与有助于推动卫生保健会议中的信息传播,并扩大研究议程,以包括新的以患者为中心的领域。

许多研究试图解释患者和提供者如何利用社交媒体并通过社交媒体进行交流。在对文献的系统回顾中,Smailhodzic等[ 16]确定了调查患者和提供者使用社交媒体的研究,并确定了社交媒体用于健康相关目的的六种用途:情感支持、尊重支持、信息支持、网络支持、情感表达和社会比较。此外,作者还确定了患者因健康相关原因使用社交媒体的主要影响,包括积极影响(如赋权、增强主观幸福感、增强心理幸福感、改善自我管理和控制)和消极影响(如降低主观幸福感、失去隐私、成为宣传目标和沉迷于社交媒体)。研究人员还检查了患者使用社交媒体对医患关系的影响,包括改善沟通、和谐关系和不良互动。一般来说,社交媒体使与患者合作更容易,是他们首选的沟通方式。

尽管有这些研究,但人们对利益相关者在医疗保健会议上如何通过社交媒体进行交流知之甚少。为了跟踪卫生保健会议期间的信息传播和扩散,从分析社交网络开始是很重要的。社会网络分析可以用于理解虚拟社会社区之间的信息流,并检查单个用户角色如何影响对话动态[ 17].社交网络由节点和边组成,节点代表个人用户(用圆表示),边代表个人用户之间的连接(用线表示)。节点的度是连接到单个节点的边的总数[ 18].此外,对社交网络中的中心和权威的分析可能会揭示与该网络有关的额外信息。权威被定义为指向社交网络中许多中心的可靠信息来源。中心本身并不是权威,而是指向社交网络中的多个权威。因此,一个好的中心指向许多好的权威,而一个好的权威是由各种各样的好中心选择的。社交网络的连接拓扑既不是完全随机的,也不是完全系统的;它具有Watts和Strogatz [ 19]首先被称为“小世界网络”,其中节点的度分布近似于幂律分布,在整个网络中有大量内聚社区[ 19 20.].卫生保健会议通常具有高度的社区凝聚力,可以快速获取信息;然而,信息往往不会传播给更广泛的受众。医疗保健会议要在社区之外向更广泛的受众传播信息,“有影响力的枢纽”节点是必不可少的。有影响力的枢纽节点是社交网络用户,由于他们在网络中的位置,具有较短的边缘,将他们连接到不同社区的其他节点/用户[ 21].小型网络分析可以证明参与的患者在医疗保健会议期间充当有影响力的枢纽节点,并在信息传播中发挥重要作用。参与型患者的广义定义是通过共同决策、在生活中持续关注个人健康需求、积极寻求与健康有关的信息、设定个人健康目标以及寻求资源以实现既定目标等方式积极参与医疗保健的任何患者[ 22].

在这项研究中,我们对2014年至2016年发生的1672次医疗保健会议的750多万条推文进行了回顾性分析,这些推文在使用社交媒体的最大医疗保健会议在线目录中注册[ 23].我们评估了在现场医疗保健会议报道中有关信息传播的三种主要社交媒体表现指标,包括信息流、信息传播和六个利益相关者队列(患者、医生和研究人员、非医生医疗保健专业人员、记者、其他医疗保健人员)的对话参与度。和制药组织),并通过这些措施评估这些队列之间的表现( 表1).涉众组的定义见 表2

Twitter指标描述。

度规 描述 目的
信息流动 作为性能指标的推文总数 卫生保健会议期间传播信息的频率
参与谈话 回复数量作为质量指标 衡量参与程度和积极对话
信息传播 以传播网络规模表示的潜在印象总数 网络规模预测;有多少人/团体收到了你的信息?

涉众组的定义。一个

利益相关者 定义
病人 作为患有特定疾病或状况的患者,主要使用推特来表达自己观点的人
医生和研究人员 那些被认为是持有执照的医学博士、医学博士或博士,直接为服务收费的人,包括居民和在健康相关研究和/或学术界工作的人
卫生保健专业人员 那些被认为是卫生保健专业人员的人(如护士、营养师、呼吸治疗师、护士执业者、药剂师)
记者 从事新闻或其他新闻相关媒体工作的人
其他卫生保健人员 在医疗保健行业从事非临床工作的人员
医药组织 制药行业的所有组织

一个由Symplur定义。

方法 会议和利益攸关方的分类

数据通过Symplur Signals研究平台(美国加州洛杉矶)收集,可直接访问Twitter应用程序接口(美国加州旧金山)[ 24].我们分析了2014年至2016年在Symplur的医疗保健标签项目(世界上最大的公开医疗保健标签集合)中注册的1672个医疗保健会议的7,644,549条推文(总共5692个会议标签),其中至少有1000条推文[ 23 25].本研究中使用的度量标准定义在 表1.分析了社交网络,并根据每次会议的提及,列出了前100名最有影响力的人。影响者随后根据利益相关者群体进行了识别和分类:患者、医生和研究人员、HCPs、记者、其他医疗保健个人或制药组织,这些组织基于Twitter账户公开将他们的传记描述自我分类为某些利益相关者(例如,“放射科医生”、“教授”、“护士”; 表2).

使用逐步函数构建建立多元线性回归模型,以确定解释可变性的因素作为模型的预测变量,其中会议推文作为因变量。分类过程采用多项逻辑回归多类分类模型,并辅以人工验证步骤,共对156149个Twitter账号进行了分类。

统计分析 比较分析

使用开源编程语言R, version 3.3.3(维也纳,奥地利,2017)进行统计分析[ 26].韦尔奇双样本 t使用检验来比较那些至少有一名患者在其被提及的前100名影响者中的会议与那些没有患者在其影响者中的会议之间的相对表现,以各自会议的总推文数量作为信息流指标。

预测分析

构建多元回归分析以测试绩效指标是否显著( P<.05)取决于会议中最具影响力的患者人数。

推文、回复和印象的数量

使用多元回归分析来检验卫生保健利益相关者的组成是否显著预测了会议信息流(即推文数量)、Twitter上对话的参与度(即回复数量)以及会议在Twitter上的信息传播(即印象)。回复是对话推文参与度的指标,它代表了高质量的、来回的对话,而不仅仅是广播推文或随机转发。信息传播是基于总潜在印象来计算的,计算方法是将每个Twitter账户的推文数量与他们的粉丝数量相乘,然后将会议期间所有推文账户的推文数量相加。

社会网络分析(中心和权威)

斯坦福医学X是一个关于新兴技术和医学的年度医疗保健会议,专注于以患者为中心的创新,并奉行“人人包容”的理念,重视所有医疗保健利益相关者的声音[ 27].使用加权超链接诱导话题搜索(HITS)算法调查了2016年斯坦福医学X大会上整个社会对话中有影响力的中心和权威。计算每个Twitter参与者作为该社交网络节点的加权HITS中心和权威的值[ 28].HITS最初是由Kleinberg [ 21],使用权威和中心值来评估复杂有向网络中节点的重要性,其中中心向量y=(y1y,…,nt权威向量x=(x1x、…nt定义为:

x (t + 1) = c (t)ty (t) y (t + 1) = d (t) Ax (t + 1)

为了更清楚地说明为什么患者在会议中带来更好的社交表现,使用韦尔奇双样本对患者节点与非患者节点进行了比较 t测试中心分数和权威分数。

结果 卫生保健标签项目会议

表3显示2014年、2015年和2016年在医疗保健标签项目中注册的会议总数。在研究的3年时间里(2014年1月1日至2016年12月31日),共有5692次会议使用了医疗保健标签项目。从1672个会议中选出了至少有1000条推文的会议进行分析,共产生了7,644,549条推文,其中749个会议至少有一名患者进入了被提及的前100名影响者。

利益攸关方会议

共有156,149个推特账户被分为16个利益相关者群体,其中75,720个属于前100名影响力人物中的患者(n=2355)、医生或研究人员(n=32,930)、HCP (n=10,344)、记者(n=1756)、其他医疗保健人员(n=26,428)或制药组织(n=1907)。虽然对16个利益相关者群体进行了分类,但只有6个被分离出来进行分析。 图1而且 表4在分析的六个主要利益相关者群体中,通过提及来显示前100名影响者的描述性统计。从2014年到2016年,每个类别的前100名影响力人物的平均数量都有所下降,但制药组织除外,其平均数量增加了0.15 ( 表4).2015 - 2016年,患者类别、医生和研究人员类别、医药机构类别分别平均增加0.03、1.43和0.11。

卫生保健会议前100名影响者中的利益相关者团体。

卫生保健标签项目注册的会议。

会议标准 年,n
2014 2015 2016
总会议 1428 1982 2282
会议有>1000条tweet 347 620 705
分析会议的推文总数 1543862年 2710012年 3390675年

卫生保健会议前100名影响者中利益相关者群体的描述性统计。

利益相关者和年份 意思是(SD) 中位数(范围)
病人
2014 1.61 (3.23) 1 (0-39)
2015 1.34 (2.89) 0 (0-28)
2016 1.37 (3.70) 0 (0-51)
医生和研究人员
2014 20.41 (17.21) 16 (0 - 69)
2015 18.75 (16.18) 13 (0 - 72)
2016 20.18 (16.43) 15 (0 - 72)
卫生保健专业人员
2014 6.60 (11.24) 2 (0 - 68)
2015 6.26 (9.98) 2 (0 - 65)
2016 5.92 (9.57) 2 (0 - 61)
记者
2014 1.28 (1.64) 1 (0-39)
2015 1.01 (2.17) 0 (0-28)
2016 0.97 (1.66) 0 (0-51)
其他卫生保健人员
2014 17.19 (11.34) 15 (0 - 68)
2015 15.76 (10.05) 13 (0-51)
2016 15.17 (9.57) 13 (0-51)
制药企业
2014 1.06 (2.49) 0(约)
2015 1.10 (2.54) 0(约)
2016 1.21 (2.75) 0 (0-20)
会议之间的表现比较

对2014年、2015年和2016年会议的综合分析显示,与没有患者的会议(平均4044,SD 5108)相比,有患者的会议的推文数量有统计学意义上的显著增加(平均5222,SD 7320): t1292.3= 3.7271, P<措施)。2015年和2016年有患者和没有患者的会议之间的平均值存在统计学上的显著差异,尽管2014年没有发现统计学上的显著差异( 图2).2014年,有患者参加的会议的平均推文总数为4861条(SD 6604),而没有患者参加的会议的平均推文总数为3994条(SD 4700) ( t1.42= 327.05, P=酒精含量)。2015年,有患者参加的会议的平均推文总数为5083条(SD 7122条),而没有患者的会议的平均推文总数为3814条(SD 4144条)( t2.62= 411.34, P= .009)。2016年,有患者参与的会议平均推文总数为5572条(SD 7913),而前100名影响者中没有患者的会议平均推文总数为4261条(SD 5941)。 t2.40= 519.41, P =. 01)。

卫生保健利益相关者组成(信息流)

使用多元回归分析来测试医疗保健利益相关者的组成是否显著预测会议信息流,这是基于推文数量的绩效指标。2014年至2016年的回归表明,六个预测因子解释了21%的方差( R2= . 21, F1665= 73.35, P<措施)。影响最大的患者数量显著预测了会议的更好表现(beta=309, P<.001),医生和研究人员的数量也是如此(beta=138, P<.001), HCPs (beta=118, P<.001),记者(beta=440, P<.001),其他卫生保健人员(beta=130, P<.001),以及代表制药组织的Twitter账号(beta=693, P<措施)。在被提及的前100名影响者中,每增加一位患者,会议预测的推文数量就会增加309条。

医疗保健会议与患者在前100名影响者中被提及和未提及的比较。

卫生保健利益相关者组成(对话参与)

2014年至2016年的回归分析结果表明,6个预测因子解释了24%的方差( R2=。 F1665= 85.51, P<措施)。最具影响力的患者数量显著预测了会议对话的更好参与度(beta=25, P<.001),医生/研究人员的数量也是如此(beta=6, P<.001), HCPs (beta=5, P<.001),记者(beta=12, P<.001),其他医疗保健人员(beta=6, P<.001),以及代表制药组织的Twitter账户(beta=8, P<措施)。

卫生保健利益相关者组成(信息传播)

2014年至2016年的回归分析结果表明,六个预测因子解释了18%的方差( R2=只要, F1665= 59.49, P<措施)。影响力最大的患者数量显著预测了会议的更大受众和更广泛的潜在信息传播(beta=1,781,222, P<.001),医生/研究人员的数量也是如此(beta=261,253, P<.001),记者(beta=2,669,759, P<.001),其他医疗保健人员(beta=261,162, P<.001),以及代表制药组织的Twitter账户(beta=2,819,703, P<措施)。

社会网络分析(中心和权威)

对中心和权威机构的社会网络分析显示,患者的中心得分在统计学上显著更高(平均值8.26×104, sd 2.96×104),而非患者拥有的Twitter账户(平均值为7.19×104, sd 3.81×104 t273.84= 4.302, P<措施)。患者和非患者推特账户之间的权威评分没有统计学上的显著差异( 图3).

基于中心和权威评分的2016年斯坦福医学X会议的社交网络分析。

讨论

在医疗保健会议期间,参与的患者利用他们在社交网络中的地位作为有影响力的枢纽节点,将信息传播到会议网络之外的更广泛的社区。有亲身经历的慢性病患者通过提出重要问题贡献他们的专业知识,这些问题通过患者激活水平的增加来衡量,引发了引人入胜的对话[ 29].参与患者的作用不仅仅是信息传播;他们通过质疑所报告的信息或基于个人经验和专业知识支持这些信息来为对话增加价值。在这项研究中,我们证明了在现场医疗会议报道期间,参与的患者在三个主要的社交媒体表现衡量指标上比医生或研究人员更有效。在2014年至2016年期间,有5692个特定推特feeds的医疗保健会议被识别出来,这些会议的标签都在Symplur的Hashtag项目中注册。连续每年注册的话题标签都在增加。通过对医疗保健会议标签的分析,我们确定了各个会议利益相关者,以确定患者通过Twitter促进医疗保健会议信息流传播的程度。

真正的患者参与不仅仅是基于患者贡献的原始推文数量,而是基于周到的推文、高质量的回复、有意义的对话,以及参与的患者和其他医疗保健会议利益相关者促进的知识交流。尽管从2015年到2016年,医疗保健会议的推文总数有所增加,但我们的结果表明,包括患者的会议的推文数量明显高于不包括患者的会议(beta=309, P<措施)。将参与医疗保健会议的患者纳入其中可增加估计印象数,beta=1,781,222 ( P<措施);然而,参与患者的价值在于他们对提高谈话质量的影响。参与患者的高质量推文数量增加beta=25 ( P<.001),是其他利益相关者群体的两倍影响力。尽管患者是医疗保健推文传播的重要扩展者,并加速了医疗保健会议的信息流动,但在对话的前100名影响者中,他们只占利益相关者群体的1.4%。

对中心和权威机构的社交网络分析提供的证据表明,在医疗保健会议上,患者在Twitter上充当中心的程度高于非患者。在这种社交对话的上下文中,对于来自大型枢纽节点的大量传入提及和对话的节点,权威值很大;对于具有高权威节点的大量传出提及和对话的节点,中心值也很大。患者积极参与当局作为良好的中心,可能被视为一种社会粘合剂,它本身鼓励并创造了更多来自非患者的参与,这在我们对推文数量的绩效指标的发现中得到了反映。由于未能将患者包括在内,卫生保健会议面临着与公众接触减弱的风险,将科学信息传播到一个狭窄的社会网络,并降低了社交媒体渠道上信息流动的速度,这最终阻碍了卫生保健会议的学术使命。

我们的结果表明,当医疗保健会议包括患者作为会议利益相关者时,患者通过增加推文总数和增加会议信息在社交网络上的传播来影响会议推特对话,这将为会议带来更好的社交媒体表现结果。欧洲患者论坛、由患者倡导者发起的“煤渣砖”运动和“人人参与”倡议所概述的战略,有助于营造一种环境,在这种环境中,患者受到信任、尊重,并因他们在对话中提供的专业知识而受到赞赏,开放和实验是正常和预期的,患者对健康问题拥有个人所有权,患者的个人故事具有全球影响,患者的声音和选择被纳入利益相关者的决策和行动中[ 30.- 32].

通过利用刚才描述的患者包容框架,会议开发人员可以在患者群体中建立信任和尊重,建立共同的变革心态,更好地确定对患者最重要的问题,为健康问题提供更具创新性和创造性的解决方案,并创建共享、包容的健康文化。自2002年以来,风湿病结果测量(OMERACT)会议已经实施了患者纳入倡议,现在超过10%的会议参与者是患者[ 33].由于将患者纳入会议利益相关者,OMERACT已经确定了对患者重要的新结果测量方法,并将患者的观点纳入了新结果测量方法的开发中[ 33- 35].让患者参与医疗保健会议可以通过其他多媒体交付方法进行,例如视频直播流,将会议直接带给可能无法亲自参加会议但仍有想法要分享的患者。

患者不仅在医疗保健会议上扩展信息,还通过分享个人经历和表达对他们来说重要的问题来反馈知识。这一概念通过OMERACT会议再次得到了说明,该会议在将患者纳入会议利益相关者后,重新制定了研究议程,并基于患者认为与其健康和生活质量最相关的结果开发了新的临床试验[ 34].通过纳入患者的声音,诸如OMERACT和斯坦福X医学等会议向医生展示了他们接受过治疗训练的疾病是如何生活的,从而增加了医生的知识。 27].通过在卫生保健会议上给予患者发言权,他们既是教育者又是参与者,通过分享故事和想法促进讨论并吸引提供者,这有助于扩大现有的研究议程[ 36- 38].

有些人可能认为,并非所有与医疗保健有关的会议都适合纳入患者,例如由专业医学学会主办的医疗保健会议,旨在为其成员获得持续医学教育单位或持续教育单位。我们认为,将患者纳入这些类型的会议是相关的,并且确实有利于主办活动的特定专业医学协会,以及更广泛的医学界。此外,在2016年7月,继续医学教育认证委员会宣布了新的认证标准,并予以表彰,其中包括将患者纳入计划和实施cme,作为经认证的会议或项目的策划者和教师[ 39].

通过在医疗保健会议和研究中纳入患者包容框架,未来的研究应努力认识到患者是有价值的团队成员,他们将新的专业知识带入对话。患者纳入框架,如前面讨论的框架,可用于促进卫生保健和科学研究中的多学科和跨专业合作,扩大可能的结果衡量标准。此外,通过承认并包括患者作为利益相关者,卫生保健会议可以通过社交媒体有效地将信息传播到新的节点,覆盖广泛而独特的受众。参与的患者的加入可以提高医疗保健会议的推文量,并通过患者的专业知识、经验和意见促进知识的反馈。通过纳入患者的声音,传统的科学探究方法可以得到扩展、加速和推动,从而产生新颖的研究问题和独特的以患者为中心的结果衡量标准。将患者纳入医疗保健会议的简单行为,通过将重点转移到患者确定的问题上,有可能彻底改变医学研究,否则可能会被HCPs和研究人员忽视。

这项研究有几个局限性。利益相关者角色是由Twitter用户个人履历上的自我报告信息决定的,这可能并不完全准确。例如,Twitter档案可能会少报患者状况,而其他档案可能属于多个利益相关者群体,例如一个帐户属于既是HCP又是患者的个人,这给了他们一个独特的视角。由于收集了大量数据,无法分析推文内容或网络中其他人分享或点赞的推文。另一个限制是,我们的社会网络分析仅基于一个医疗保健会议,即2016年斯坦福医学X会议,该会议有超过10%的患者作为利益相关者。

未来的研究应该进行网络分析,比较将患者列入前100名利益相关者的会议。此外,未来的研究应该检查 k-core分解,顶点最小值为的最大子图 k医疗会议的相互联系,会议之间的社会网络,这些会议涉及或不涉及患者,以及会议中包括的患者数量是否会影响 k分数( 40- 42].

缩写 芝加哥商品交易所

继续医学教育

HCP

医疗保健专业人员

支安打

超链接诱导的主题搜索

OMERACT

风湿学的结果测量

这项工作由斯坦福大学医学院麻醉、围手术期和疼痛医学部门资助。这里表达的观点并不一定代表纪念斯隆凯特琳癌症中心的观点。

所有作者都参与了研究设计、稿件起草、数据解读和最终审稿。统计分析由AU进行。

所有作者都参与了斯坦福医学X系列会议的组织。AU是Symplur, LLC的联合创始人,并持有该公司的财务股份

推特 关于推特 https://about.twitter.com/company McKendrick 博士 Cumming 全科医生 AJ 在医学会议上增加Twitter的使用:一份关于教育机会的报告和审查 J医疗互联网服务 2012 12 11 14 6 e176 10.2196 / jmir.2144 23232765 v14i6e176 PMC3799570 阿瓦德 Cocchio C 在一个主要的国家药学会议上使用Twitter 是J健康系统制药公司吗 2015 01 1 72 1 65 69 10.2146 / ajhp140175 25511841 72/1/65 一个 吸引 H 全球会议上泌尿学和其他外科专业的Twitter ANZ J外科 2016 04 86 4 224 227 10.1111 / ans.13393 26631323 科克伦 一个 花王 LS Gusani 新泽西 Suliburk JW Nwomeh 公元前 使用Twitter记录2013年学术外科大会 外科医生 2014 07 190 1 36 40 10.1016 / j.jss.2014.02.029 24655663 s0022 - 4804 (14) 00171 - 1 德赛 T Shariff 一个 Shariff 一个 凯特 X global C 摩天 推特会议:2011年肾脏周推特活动的深入分析 《公共科学图书馆•综合》 2012 7 7 e40253 10.1371 / journal.pone.0040253 22792254 玉米饼- d - 12 - 08654 PMC3390326 霍金斯 厘米 Duszak R 罗森 合资企业 放射学的社交媒体:在放射学最大的国际会议上推特微博的早期趋势 J Am Coll Radiol 2014 04 11 4 387 390 10.1016 / j.jacr.2013.07.015 24139963 s1546 - 1440 (13) 00438 - 9 米歇里博士 R 莱维 B 东文主持 B 推特在家庭医学会议上的使用:分析#STFM13 Fam地中海 2014 09 46 8 608 614 25163039 尼尔 一个 克罗宁 JJ 争吵 D 奥沙利文 R Cadogan 社交媒体对重大国际急诊医学会议的影响 急诊医学J 2014 05 31 5 401 404 10.1136 / emermed - 2012 - 202039 23423992 emermed - 2012 - 202039 野村证券 JT 基因 N Bollinger 人力资源 Bollinger 里德 摩根富林明 在紧急医学会议期间使用Twitter 是急诊医生吗 2012 06 30. 5 819 820 10.1016 / j.ajem.2012.01.020 22424992 s0735 - 6757 (12) 00046 - 0 威尔金森 SE Basto 我的 Perovic G Lawrentschuk N 墨菲 DG 社交媒体革命正在改变会议体验:八个国际会议的分析和趋势 北大Int 2015 05 115 5 839 846 10.1111 / bju.12910 25130687 内森 GJ 凯利 F Bouchier-Hayes D 昆兰 DM Manecksha RP Twitter扩大了一个全国性科学会议的范围和参与度:爱尔兰泌尿学学会 红外医学科学 2015 09 184 3. 685 689 10.1007 / s11845 - 015 - 1277 - 6 25740094 Winandy Kostkova P 德昆西 E 圣路易斯 C Szomszor 关注#eHealth2011:衡量在线和社交媒体在增加科学会议推广方面的作用和有效性 J医疗互联网服务 2016 07 19 18 7 e191 10.2196 / jmir.4480 27436012 v18i7e191 PMC4971392 低频 Utengen 一个 Kadry B Kucharski SE 坎波斯 H 克罗克特 J 道森 N Clauson “没有我们就没有我们”——医学会议中的病人伙伴关系 BMJ 2016 09 14 354 i3883 27628427 威克斯 P 英国医学杂志 2015 05 01 2017-03-28 确保会议“包括患者” http://blogs.bmj.com/bmj/2015/05/01/paul-wicks-making-sure-conferences-are-patients-included/ Smailhodzic E Hooijsma W Boonstra 一个 兰利 DJ 社交媒体在医疗保健中的使用:对患者及其与医疗保健专业人员关系的影响的系统回顾 BMC运行状况服务决议 2016 08 26 16 442 10.1186 / s12913 - 016 - 1691 - 0 27562728 10.1186 / s12913 - 016 - 1691 - 0 PMC5000484 Gruzd 一个 Haythornthwaite C 通过社交媒体建立社区 J医疗互联网服务 2013 10 31 15 10 e248 10.2196 / jmir.2796 24176835 v15i10e248 PMC3842435 米歇里博士 R 辛格 莱维 B 纽波特 C 绘制医生推特网络:描述他们如何工作,作为理解连接、信息流和消息扩散的第一步 J医疗互联网服务 2014 04 14 16 4 e107 10.2196 / jmir.3006 24733146 v16i4e107 PMC4004136 美国瓦茨 DJ 上海 “小世界”网络的集体动态 自然 1998 06 04 393 6684 440 442 10.1038/30918 肯普 D jonkleinberg J 缓慢的 E 通过社交网络最大限度地扩大影响力 计算理论 2015 11 1 105 147 10.4086 / toc.2015.v011a004 玉米饼- d - 16 - 17638 jonkleinberg J 超链接环境中的权威来源 J ACM 1999 46 5 604 632 10.1145/324133.324140 Zubialde 摩根大通 Eubank D 芬克 LD 培养敬业的病人:成人学习的一个教训 系统运行状况 2007 25 4 355 366 10.1037 / 1091 - 7527.25.4.355 医疗保健标签项目 2017 2017-03-28 https://www.symplur.com/healthcare-hashtags/ 拍完 Symplur Signals是一个医疗保健社交媒体分析平台 2017-05-15 https://www.symplur.com/signals/ Pinho-Costa l 雅库布 K Hoedebecke K Laranjo l Reichel CP Colon-Gonzalez 医学博士 七巧板 艾尔 Errami H 医疗保健标签指数发展:识别社交媒体的全球影响 J生物医学信息 2016 10 63 390 399 10.1016 / j.jbi.2016.09.010 27645323 s1532 - 0464 (16) 30123 - x 核心团队 一种统计计算语言和环境 2017 2017-03-28 奥地利的维也纳 R统计计算基础 http://www.r-project.org/ 斯坦福X医学 2017-04-04 https://medicinex.stanford.edu/ 没有试图推高日圆 R 拉杜 R 康奈尔大学数学系 2009 2017-05-15 第4讲:HITS算法- Internet上的中心和权威 http://www.math.cornell.edu/~mec/Winter2009/RalucaRemus/Lecture4/lecture4.html 希巴德 JH 格林 J 关于患者激活的证据表明:更好的健康结果和护理体验;更少的成本数据 卫生助理(米尔伍德) 2013 02 32 2 207 214 10.1377 / hlthaff.2012.1061 23381511 32/2/207 欧洲患者论坛 2017-04-04 http://www.eu-patient.eu/ 霍利迪 R Regina Holliday的医疗倡导博客 2013 2017-04-04 每个医学会议都应该采纳的最佳实践 http://reginaholliday.blogspot.com/2013/11/best-practices-every-medical-conference.html 斯坦福医学院包括所有人 2017-04-04 每个人都有医保 http://www.everyoneincluded.org/ 德智慧 Abma T Koelewijn-Van LM 柯林斯 年代 科文 J 促进和抑制患者长期参与结果会议的因素——从OMERACT十年合作中吸取的教训:一项定性研究 BMJ开放 2013 08 23 3. 8 e003311 10.1136 / bmjopen - 2013 - 003311 23975104 bmjopen - 2013 - 003311 PMC3753501 德智慧 Abma T Koelewijn-van LM 柯林斯 年代 科文 J 患者研究伙伴的参与对结果研究有重大影响:对国际OMERACT会议的响应性评估 BMJ开放 2013 05 09 3. 5 1 12 10.1136 / bmjopen - 2012 - 002241 23667160 bmjopen - 2012 - 002241 PMC3651970 德智慧 国会议员 Abma 助教 Koelewijn-van LM 柯林斯 年代 科文 J 10年患者参与OMERACT对试验结果评估有什么影响? J Rheumatol 2014 01 41 1 177 184 10.3899 / jrheum.130816 24128777 jrheum.130816 理查兹 T 英国医学杂志 2015 2017-07-14 你的会议是否包括“患者”? http://blogs.bmj.com/bmj/2015/04/17/tessa-richards-is-your-conference-patients-included/ 理查兹 T 库尔特 一个 威克斯 P 是时候提供以患者为中心的护理了 BMJ 2015 02 10 350 feb10 14 h530 h530 10.1136 / bmj.h530 25670197 理查兹 T Montori 虚拟机 Godlee F Lapsley P 保罗 D 让病人革命开始吧 BMJ 2013 05 14 346 f2614 10.1136 / bmj.f2614 23674136 麦克马洪 G Reus R 多尔曼 T 美国继续医学教育委员会 2016 2017-07-14 新认可及嘉许准则菜单 http://www.accme.org/sites/default/files/731_20160929_Menu_of_New_Criteria_for_Accreditation_with_Commendation_3.pdf 年代 Muchnik l 安德雷德 JS Z Makse 在现实世界的社交媒体中寻找信息的超级传播者 Sci代表 2014 07 03 4 5547 10.1038 / srep05547 24989148 srep05547 PMC4080224 J D 越南盾 Z 在复杂的网络中识别一组有影响力的传播者 Sci代表 2016 06 14 6 27823 10.1038 / srep27823 27296252 srep27823 PMC4906276 Malliaros FD 罗西 毫克 Vazirgiannis 在复杂网络中定位有影响力的节点 Sci代表 2016 01 18 6 19307 10.1038 / srep19307 26776455 srep19307 PMC4725982
Baidu
map