Skin cancer on Instagram: implications for adolescents and young adults
Notice bibliographique
Résumé
Given the popularity and reach of Instagram among American adolescents and young adults (AYA), the well-known influence of social media on the behaviors of youth, and the rising rates of melanoma in this age group, this study sought to examine and describe the content of a sample of Instagram posts related to skin cancer. At three different times, a search of Instagram was conducted using #skincancer as the hashtag. Descriptive analyses of Instagram characteristics and content was performed. Overall, content focused on prevention (33.3%), skin cancer treatment (29.3%) and preventive measures such as using sunscreen and protective gear (29.3%). Nearly one-quarter discussed the ABCDEs (Asymmetrical; Borders are irregular; Color is not even; Diameter is large; Evolving) of screening and detection. Instagram postings that covered skin cancer prevention (n = 50, 33.3%) more often discussed the role of sun exposure in the development of skin cancer (28.0% vs. 10.0%, p = 0.005) and use of sunscreen and protective gear (62.0% vs. 13.0%, p < 0.001). The findings of this study indicate that a considerable portion of the Instagram posts included in this study focused on prevention. Thus, indicating that Instagram could be used to promote health, particularly among AYA.
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) | 0,000 | 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 | 0,000 |
| 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 ».