Peer-to-Peer Social Media as an Effective Prevention Strategy: Quasi-Experimental Evaluation
Notice bibliographique
Résumé
BACKGROUND: Substance use by adolescents remains to be at unacceptably high levels, and there is evidence that teens' social norms are becoming more favorable toward recreational use and perceived safety of substances such as marijuana and prescription opioids. Social media offer a low-cost, potentially high-impact approach to disseminate prevention messages. OBJECTIVE: Living the Example (LTE) is a program that trains adolescent youth ambassadors to develop and disseminate prevention messages within their own social media networks and through in-school activities. This study aimed to evaluate the effects of exposure to LTE-based social media on students in the youth ambassadors' networks. METHODS: The George Washington (GW) University designed and implemented a quasi-experimental evaluation of the LTE program in 3 Maryland high schools. Before program launch, a sample of 826 students (wave 1) at the 3 schools, drawn from a census of freshmen enrolled in a class attended by all students at the grade level, completed a survey. A total of 584 students were surveyed at the wave 2 program midpoint and 542 at the wave 3 endpoint. The survey contained questions on drug use-related attitudes, beliefs, intentions, and behaviors, all based on validated measures. We evaluated the effects of LTE on the intended next 30-day drug use, and controlling for LTE self-reported exposure, age, and gender from waves 2 and 3 was appended into a single dataset. We first conducted ordinal logistic regressions for each drug use intention in wave 3 (ie, sell or distribute illegal drugs, smoke cigarettes, drink beer/wine/hard liquor when parents do not know about it, use marijuana, use lysergic acid diethylamide, cocaine, amphetamines or other illegal drugs, use heroin, use synthetic drugs, and use any prescription pills without a prescription) to examine the association between LTE exposure and drug use intentions. We included an interaction term for the study wave to examine intervention effects. RESULTS: We found a significant positive effect of LTE exposure on all 8 measured drug use intentions: sell/distribute illegal drugs; smoke cigarettes; drink beer, wine, or liquor when my parents do not know about it; use marijuana; use cocaine, amphetamines, or other illegal drug; use heroin; use synthetic drugs; use any prescription pills without a prescription (all P<.05; odds ratios ranging from 2.12 to 3.71). We also found that boys were more likely than girls to exhibit reduced drug use intentions. We also found reductions in 30-day intentions between the second and third survey waves for all 8 measured drug use variables. CONCLUSIONS: Overall, the results are consistent with and indicate a stronger LTE effect in this study compared with a previous pilot study. LTE appears to offer a protective effect, with exposure to program messages leading to reduced/improved drug use intentions.
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 | 0,018 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,002 |
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 ».