The perception of pre- and post-natal marijuana exposure on health outcomes: A content analysis of Twitter messages
Notice bibliographique
Résumé
The prevalence of marijuana use during pregnancy ranges from 3-30% , and most of this is for recreational purposes. Marijuana exposure during pregnancy has been linked with low birth weight babies and other adverse child health outcomes. Twitter is a popular news and social networking outlet, and is frequently used to access information about population health and behavior. The primary objective of this study was to investigate the types of messages disseminated on Twitter about marijuana use and infant and maternal health. The secondary objective was to describe the reported health outcomes associated with prenatal and postnatal marijuana use. Tweets were collected from the inception of Twitter (2006) until April 2017. If tweets included links, these links were examined to investigate the source of the message and to clarify the user's intent. In total, 550 tweets were captured, with most tweets (77.6%) having a neutral tweet tone, suggesting uncertainty about the health effects associated with pre- and post-natal marijuana exposure. The sources attached to the original tweets, however, were more likely to report on negative health outcomes. The most common health outcomes associated with prenatal marijuana exposure were: poor brain development (27.3%), inadequate development of the nervous system (23.6%), low birth weight (23.3%), poor behavioral outcomes (21.0%), and infant memory issues (19.3%). The inverse association between marijuana use and the quality and quantity of milk produced by the mother was the most commonly reported tweet for the lactation period.
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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».