Analyzing Twitter as a Platform for Alzheimer-Related Dementia Awareness: Thematic Analyses of Tweets
Notice bibliographique
Résumé
BACKGROUND: Dementia is a prevalent disorder among adults and often subjects an individual and his or her family. Social media websites may serve as a platform to raise awareness for dementia and allow researchers to explore health-related data. OBJECTIVE: The objective of this study was to utilize Twitter, a social media website, to examine the content and location of tweets containing the keyword "dementia" to better understand the reasons why individuals discuss dementia. We adopted an approach that analyzed user location, user category, and tweet content subcategories to classify large publicly available datasets. METHODS: A total of 398 tweets were collected using the Twitter search application programming interface with the keyword "dementia," circulated between January and February 2018. Twitter users were categorized into 4 categories: general public, health care field, advocacy organization, and public broadcasting. Tweets posted by "general public" users were further subcategorized into 5 categories: mental health advocate, affected persons, stigmatization, marketing, and other. Placement into the categories was done through thematic analysis. RESULTS: A total of 398 tweets were written by 359 different screen names from 28 different countries. The largest number of Twitter users were from the United States and the United Kingdom. Within the United States, the largest number of users were from California and Texas. The majority (281/398, 70.6%) of Twitter users were categorized into the "general public" category. Content analysis of tweets from the "general public" category revealed stigmatization (113/281, 40.2%) and mental health advocacy (102/281, 36.3%) as the most common themes. Among tweets from California and Texas, California had more stigmatization tweets, while Texas had more mental health advocacy tweets. CONCLUSIONS: Themes from the content of tweets highlight the mixture of the political climate and the supportive network present on Twitter. The ability to use Twitter to combat stigma and raise awareness of mental health indicates the benefits that can potentially be facilitated via the platform, but negative stigmatizing tweets may interfere with the effectiveness of this social support.
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 | 0,004 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».