Predicting Prediabetes Through Facebook Postings: Protocol for a Mixed-Methods Study
Notice bibliographique
Résumé
BACKGROUND: The field of infodemiology uses health care trends found in public networks, such as social media, to track and quantify the spread of disease. Type 2 diabetes is on the rise worldwide, and social media may be useful in identifying prediabetes through behavior exhibited through social media platforms such as Facebook and thus in designing and administering early interventions and containing further progression of the disease. OBJECTIVE: This pilot study is designed to investigate the social media behavior of individuals with prediabetes, before and after diagnosis. Pre- and postdiagnosis Facebook content (posts) of such individuals will be used to create a taxonomy of prediabetes indicators and to identify themes and factors associated with an actual diagnosis of prediabetes. METHODS: This is a single-center exploratory retrospective study that examines 20 adults with prediabetes. The investigators will code Facebook posts 3 months before through 3 months after prediabetes diagnosis. Data will be analyzed using both qualitative content analysis methodology as well as quantitative methodology to characterize participants and compare their posts pre- and postdiagnosis. RESULTS: The project was funded for 2015-2018, and enrollment will be completed by the end of 2018. Data coding is currently under way and the first results are expected to be submitted for publication in 2019. Results will include both quantitative and qualitative data about participants and the similarities and differences between coded social media posts. CONCLUSIONS: This pilot study is the first step in creating a taxonomy of social media indicators for prediabetes. Such a taxonomy would provide a tool for researchers and health care professionals to use social media postings for identifying those at greater risk of having prediabetes. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): DERR1-10.2196/10720.
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 | 0,080 | 0,073 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,005 |
| Méta-épidémiologie (sens large) | 0,006 | 0,005 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,007 | 0,004 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,007 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,097 | 0,026 |
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 ».