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。
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。
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。
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。
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)。
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。
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。
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[
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[
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[
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[
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。
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)[
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。
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[
构建多元回归分析以测试绩效指标是否显著(
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。
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[
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
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。
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) | |
|
|
|
|
|
2014 | 1.61 (3.23) | 1 (0-39) |
|
2015 | 1.34 (2.89) | 0 (0-28) |
|
2016 | 1.37 (3.70) | 0 (0-51) |
|
|
|
|
|
2014 | 20.41 (17.21) | 16 (0 - 69) |
|
2015 | 18.75 (16.18) | 13 (0 - 72) |
|
2016 | 20.18 (16.43) | 15 (0 - 72) |
|
|
|
|
|
2014 | 6.60 (11.24) | 2 (0 - 68) |
|
2015 | 6.26 (9.98) | 2 (0 - 65) |
|
2016 | 5.92 (9.57) | 2 (0 - 61) |
|
|
|
|
|
2014 | 1.28 (1.64) | 1 (0-39) |
|
2015 | 1.01 (2.17) | 0 (0-28) |
|
2016 | 0.97 (1.66) | 0 (0-51) |
|
|
|
|
|
2014 | 17.19 (11.34) | 15 (0 - 68) |
|
2015 | 15.76 (10.05) | 13 (0-51) |
|
2016 | 15.17 (9.57) | 13 (0-51) |
|
|
|
|
|
2014 | 1.06 (2.49) | 0(约) |
|
2015 | 1.10 (2.54) | 0(约) |
|
2016 | 1.21 (2.75) | 0 (0-20) |
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):
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(
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。
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(
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(
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;
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。
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[
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,
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[
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[
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[
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[
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
继续医学教育
医疗保健专业人员
超链接诱导的主题搜索
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