Social Media Content About Children’s Pain and Sleep: Content and Network Analysis
Notice bibliographique
Résumé
BACKGROUND: Social media is often used for health communication and can facilitate fast information exchange. Despite its increasing use, little is known about child health information sharing and engagement over social media. OBJECTIVE: The primary objectives of this study are to systematically describe the content of social media posts about child pain and sleep and identify the level of research evidence in these posts. The secondary objective is to examine user engagement with information shared over social media. METHODS: Twitter, Instagram, and Facebook were searched by members of the research team over a 2-week period using a comprehensive search strategy. Codes were used to categorize the content of posts to identify the frequency of content categories shared over social media platforms. Posts were evaluated by content experts to determine the frequency of posts consistent with existing research evidence. User engagement was analyzed using Netlytic, a social network analysis program, to examine visual networks illustrating the level of user engagement. RESULTS: From the 2-week period, nearly 1500 pain-related and 3800 sleep-related posts were identified and analyzed. Twitter was used most often to share knowledge about child pain (639/1133, 56.40% of posts), and personal experiences for child sleep (2255/3008, 75.00% of posts). For both topics, Instagram posts shared personal experiences (53/68, 78% pain; 413/478, 86.4% sleep), Facebook group posts shared personal experiences (30/49, 61% pain; 230/345, 66.7% sleep) and Facebook pages shared knowledge (68/198, 34.3% pain; 452/1026, 44.05% sleep). Across platforms, research evidence was shared in 21.96% (318/1448) of pain- and 9.16% (445/4857) of sleep-related posts; 5.38% (61/1133) of all pain posts and 2.82% (85/3008) of all sleep posts shared information inconsistent with the evidence, while the rest were absent of evidence. User interactions were indirect, with mostly one-way, rather than reciprocal conversations. CONCLUSIONS: Social media is commonly used to discuss child health, yet the majority of posts do not contain research evidence, and user engagement is primarily one-way. These findings represent an opportunity to expand engagement through open conversations with credible sources. Research and health care communities can benefit from incorporating specific information about evidence within social media posts to improve communication with the public and empower users to distinguish evidence-based content better. Together, these findings have identified potential gaps in social media communication that may be informative targets to guide future strategies for improving the translation of child health evidence over social media.
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 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,011 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».