Use of social media for sexual health promotion: a scoping review
Notice bibliographique
Résumé
BACKGROUND: In order to prevent sexually transmitted infections (STIs), the World Health Organization recommends educating people on sexual health. With more than 2 billion active users worldwide, online social media potentially represent powerful channels for health promotion, including sexual health. OBJECTIVE: To review the scientific literature on the use of online social media for sexual health promotion. DESIGN: A search was conducted of scientific and medical databases, and grey literature was also included. The selected publications were classified according to their study designs, sexual health promotion main subject, target audience age, and social media use. RESULTS: Fifty-one publications were included; 4 publications presenting randomized intervention studies, 39 non-randomized intervention studies, and 8 observational studies. In 29 publications (56.9%), the main subject of the sexual health promotion was 'general' or to increase STI testing. Thirty publications (58.8%) specifically focused on youth or young people (aged 11-29 years). Fourteen publications that used social media either as unique channels for sexual health promotion interventions or as a tool supporting the sexual health promotion reported an effect on behavior (27%), and two of those studies found a reduction in the number of positive chlamydia and gonorrhea cases linked to social media intervention. Forty-four publications (86.3%) involved Facebook in some way. CONCLUSIONS: Although billions of people worldwide actively use social media, we identified only 51 publications on the use of social media for promoting sexual health. About a quarter of the publications have identified promising results, and the evidence for positive effects of social media interventions for promoting sexual health is increasing. There is a need for more studies that explicitly discuss their theoretical framework, and that have strong research designs, in order to further increase the evidence base of the field.
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 | 0,011 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,025 | 0,022 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».