MétaCan
Menu
Retour à la cohorte
Enregistrement W3034065132 · doi:10.1186/s12998-020-00319-4

Misinformation about spinal manipulation and boosting immunity: an analysis of Twitter activity during the COVID-19 crisis

2020· article· en· W3034065132 sur OpenAlex
Greg Kawchuk, Jan Hartvigsen, Steen Harsted, Casper Nim, Luana Nyirö

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueChiropractic & Manual Therapies · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Media in Health Education
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMisinformationCoronavirus disease 2019 (COVID-19)Medicine2019-20 coronavirus outbreakBoosting (machine learning)Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2)VirologyInternet privacyArtificial intelligencePathologyComputer securityOutbreakInfectious disease (medical specialty)Computer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Social media has become an increasingly important tool in monitoring the onset and spread of infectious diseases globally as well monitoring the spread of information about those diseases. This includes the spread of misinformation, which has been documented within the context of the emerging COVID-19 crisis. Understanding the creation, spread and uptake of social media misinformation is of critical importance to public safety. In this descriptive study, we detail Twitter activity regarding spinal manipulative therapy (SMT) and claims it increases, or "boosts", immunity. Spinal manipulation is a common intervention used by many health professions, most commonly by chiropractors. There is no clinical evidence that SMT improves human immunity. METHODS: Social media searching software (Talkwalker Quick Search) was used to describe Twitter activity regarding SMT and improving or boosting immunity. Searches were performed for the 3 months and 12 months before March 31, 2020 using terms related to 1) SMT, 2) the professions that most often provide SMT and 3) immunity. From these searches, we determined the magnitude and time course of Twitter activity then coded this activity into content that promoted or refuted a SMT/immunity link. Content themes, high-influence users and user demographics were then stratified as either promoting or refuting this linkage. RESULTS: Twitter misinformation regarding a SMT/immunity link increased dramatically during the onset of the COVID crisis. Activity levels (number of tweets) and engagement scores (likes + retweets) were roughly equal between content promoting or refuting a SMT/immunity link, however, the potential reach (audience) of tweets refuting a SMT/immunity link was 3 times higher than those promoting a link. Users with the greatest influence on Twitter, as either promoters or refuters, were individuals, not institutions or organizations. The majority of tweets promoting a SMT/immunity link were generated in the USA while the majority of refuting tweets originated from Canada. CONCLUSION: Twitter activity about SMT and immunity increased during the COVID-19 crisis. Results from this work have the potential to help policy makers and others understand the impact of SMT misinformation and devise strategies to mitigate its impact.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,753
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,195
Tête enseignante GPT0,442
Écart entre enseignants0,247 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle