Twitter and traumatic brain injury: A content and sentiment analysis of tweets pertaining to sport-related brain injury
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVES: Sport-related traumatic brain injuries are a significant public health burden, with hundreds of thousands sustained annually in North America. While sports offer numerous physical and social health benefits, traumatic brain injuries such as concussion can seriously impact a player's life, athletic career, and sport enjoyment. The culture in many sports encourages winning at all costs, placing athletes at risk for traumatic brain injuries. As social media has become a central part of everyday life, the content of users' messages often reflects the prevailing culture related to a particular event or health issue. METHODS: tweets related to traumatic brain injuries in sports collected during June and July 2013. RESULTS: We identified five major themes. Users tweeted about personal traumatic brain injuries experiences, reported traumatic brain injuries in professional athletes, shared research about sport-related concussions, and discussed policy and safety in injury prevention, such as helmet use. We identified mixed perceptions of and sentiment toward traumatic brain injuries in sports: both an understanding that brain injuries are serious and disregard for activities that might reduce the public burden of traumatic brain injuries were prevalent in our Twitter analysis. CONCLUSION: While the scientific and medical community considers a concussion a form of traumatic brain injuries, our study demonstrates a misunderstanding of this fact among the public. In our current digital age, social media can provide useful insight into the culture around a health issue, facilitating implementation of prevention and treatment strategies.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découle