#Globalhealth Twitter Conversations on #Malaria, #HIV, #TB, #NCDS, and #NTDS: a Cross-Sectional Analysis
Notice bibliographique
Résumé
BACKGROUND: Advocates use the hashtag #GlobalHealth on Twitter to draw users' attention to prominent themes on global health, to harness their support, and to advocate for change. OBJECTIVES: We aimed to describe #GlobalHealth tweets pertinent to given major health issues. METHODS: Tweets containing the hashtag #GlobalHealth (N = 157,951) from January 1, 2014, to April 30, 2015, were purchased from GNIP Inc. We extracted 5 subcorpora of tweets, each with 1 of 5 co-occurring disease-specific hashtags (#Malaria, #HIV, #TB, #NCDS, and #NTDS) for further analysis. Unsupervised machine learning was applied to each subcorpus to categorize the tweets by their underlying topics and obtain the representative tweets of each topic. The topics were grouped into 1 of 4 themes (advocacy; epidemiological information; prevention, control, and treatment; societal impact) or miscellaneous. Manual categorization of most frequent users was performed. Time zones of users were analyzed. FINDINGS: In the entire #GlobalHealth corpus (N = 157,951), there were 40,266 unique users, 85,168 retweets, and 13,107 unique co-occurring hashtags. Of the 13,087 tweets across the 5 subcorpora with co-occurring hashtag #malaria (n = 3640), #HIV (n = 3557), #NCDS (noncommunicable diseases; n = 2373), #TB (tuberculosis; n = 1781), and #NTDS (neglected tropical diseases; n = 1736), the most prevalent theme was prevention, control, and treatment (4339, 33.16%), followed by advocacy (3706, 28.32%), epidemiological information (1803, 13.78%), and societal impact (1617, 12.36%). Among the top 10 users who tweeted the highest number of tweets in the #GlobalHealth corpus, 5 were individual professionals, 3 were news media, and 2 were organizations advocating for global health. The most common users' time zone was Eastern Time (United States and Canada). CONCLUSIONS: This study highlighted the specific #GlobalHealth Twitter conversations pertinent to malaria, HIV, tuberculosis, noncommunicable diseases, and neglected tropical diseases. These conversations reflect the priorities of advocates, funders, policymakers, and practitioners of global health on these high-burden diseases as they presented their views and information on Twitter to their followers.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».