Social media use as a predictor of higher body mass index in persons living with HIV
Notice bibliographique
Résumé
Social media tools have been touted as an approach to bring more democratic communication to health care. We conducted a multi-site cross-sectional study among persons living with HIV (PLWH) to desrcibe technology use among PLWH in the US and the association between social media use and body-mass index (BMI). Our primary predictor variable was social media use. Our primary outcome was BMI measured through height and weight. Descriptive statistics were used to describe the demographic profiles of the study participants and linear regression models were used to analyze associations between the outcome and predictor variables controlling for demographic characteristics. Study participants (N = 606) across 6 study sites in the United States were predominately 50–74 years old (67%). Thirty-three percent of study participants had a normal weight (BMI 18.5–25), 33% were overweight (BMI 25–30), and 32% were obese (BMI > 30). Participants used several social media sites with Facebook (45.6%) predominating. Social media use was associated with higher BMI in study participants (p < .001) and this effect persisted, although not as strongly, when limiting the analysis to those who only those who used Facebook (p = .03). Further consideration of social factors that can be ameliorated to improve health outcomes is timely and needed.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 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 ».