A systematic review of the use and effectiveness of social media in child health
Notice bibliographique
Résumé
BACKGROUND: Social media use is highly prevalent among children, youth, and their caregivers, and its use in healthcare is being explored. The objective of this study was to conduct a systematic review to determine: 1) for what purposes social media is being used in child health and its effectiveness; and 2) the attributes of social media tools that may explain how they are or are not effective. METHODS: We searched Medline, CENTRAL, ERIC, PubMed, CINAHL, Academic Search Complete, Alt Health Watch, Health Source, Communication and Mass Media Complete, Web of Knowledge, and Proquest Dissertation and Theses Database from 2000-2013. We included primary research that evaluated the use of a social media tool, and targeted children, youth, or their families or caregivers. Quality assessment was conducted on all included analytic studies using tools specific to different quantitative designs. RESULTS: We identified 25 studies relevant to child health. The majority targeted adolescents (64%), evaluated social media for health promotion (52%), and used discussion forums (68%). Most often, social media was included as a component of a complex intervention (64%). Due to heterogeneity in conditions, tools, and outcomes, results were not pooled across studies. Attributes of social media perceived to be effective included its use as a distraction in younger children, and its ability to facilitate communication between peers among adolescents. While most authors presented positive conclusions about the social media tool being studied (80%), there is little high quality evidence of improved outcomes to support this claim. CONCLUSIONS: This comprehensive review demonstrates that social media is being used for a variety of conditions and purposes in child health. The findings provide a foundation from which clinicians and researchers can build in the future by identifying tools that have been developed, describing how they have been used, and isolating components that have been effective.
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 | 0,026 | 0,103 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,009 |
| Bibliométrie | 0,019 | 0,017 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».