Health Forums and Twitter for Dementia Research: Opportunities and Considerations
Notice bibliographique
Résumé
BACKGROUND/OBJECTIVES: Social media platforms are promising sources for large quantities of participant-driven research data and circumvent some common challenges when conducting dementia research. This study provides a summary of key considerations and recommendations about using these platforms as research tools for dementia. DESIGN: Mixed methods. SETTING: Alzheimer's Society's online Dementia Talking Point forum from inception to April 17, 2018, and Twitter in February and March 2018. PARTICIPANTS: All users of Dementia Talking Point who posted in subforums labeled "I have dementia" and "I care for a person with dementia," and Twitter users whose posts contained the keywords "dementia," "Alzheimer," or "Alzheimer's." MEASUREMENTS: We quantified the average daily number of dementia-related posts on each platform and number of words per post. Guided by a codebook, we conducted thematic content analysis of 5% of the 15,513 posts collected from Dementia Talking Point, and 10% of the 25,948 comprehensible posts from Twitter containing "dementia," "Alzheimer," or "Alzheimer's." We also summarized research-relevant characteristics inherent to platforms and posts. RESULTS: On average, Dementia Talking Point provided less than two new daily dementia-related posts with 213.5 to 241.5 words, compared with 7,883 new daily Twitter posts with 14.5 words. Persons with dementia (PWDs) commonly shared dementia-related concerns (75.7%), experiences (68.6%), and requests for, as well as offers of, information and support (44.3% and 38.6%, respectively). Caregivers commonly shared caregiving experience (67.0%) and requests for information and support (52.5%). Most common dementia-related Twitter posts were derogatory use of the term dementia (14.5%), advocacy, fundraising, and awareness (11.6%), and research dissemination (8.0%). Recommendations about these platforms' unique technical and ethical considerations are outlined. CONCLUSIONS: Understanding the priorities of PWDs and their caregivers remains important to understand how clinicians can best support them. This study will help clinicians and researcher to better leverage online health forums and Twitter for such dementia-related information.
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 | 0,165 | 0,152 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,011 | 0,013 |
| Communication savante | 0,022 | 0,053 |
| Science ouverte | 0,004 | 0,016 |
| Intégrité de la recherche | 0,005 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».