30+ years of media analysis of relevance to chronic disease: a scoping review
Notice bibliographique
Résumé
BACKGROUND: Chronic, non-communicable diseases are a significant public health priority, requiring action at individual, community and population levels, and public and political will for such action. Exposure to media, including news, entertainment, and advertising media, is likely to influence both individual behaviours, and attitudes towards preventive actions at the population level. In recent years there has been a proliferation of research exploring how chronic diseases and their risk factors are portrayed across various forms of media. This scoping review aims to map the literature in this area to identify key themes, gaps, and opportunities for future research in this area. METHODS: We searched three databases (Medline, PsycINFO and Global Health) in July 2016 and identified 499 original research articles meeting inclusion criteria: original research article, published in English, focusing on media representations of chronic disease (including how issues are framed in media, impact or effect of media representations, and factors that influence media representations). We extracted key data from included articles and examined the health topics, media channels and methods of included studies, and synthesised key themes across studies. RESULTS: Our findings show that research on media portrayals of chronic disease increased substantially between 1985 and 2016. Smoking and nutrition were the most frequent health topics, and television and print were the most common forms of media examined, although, as expected, research on online and social media channels has increased in recent years. The majority of studies focused on the amount and type of media coverage, including how issues are framed, typically using content analysis approaches. In comparison, there was much less research on the influences on and consequences of media coverage related to chronic disease, suggesting an important direction for future work. CONCLUSIONS: The results highlight key themes across media research of relevance to chronic disease. More in-depth syntheses of studies within the identified themes will allow us to draw out the key patterns and learnings across the literature.
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 | 0,017 | 0,100 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,006 |
| Bibliométrie | 0,037 | 0,030 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,007 | 0,008 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».