MétaCan
Menu
Retour à la cohorte
Enregistrement W3096905763 · doi:10.2196/21694

Facebook Support Groups for Rare Pediatric Diseases: Quantitative Analysis

2020· article· en· W3096905763 sur OpenAlexvenueno aff
Sarah Catrin Titgemeyer, Christian P. Schaaf

Notice bibliographique

RevueJMIR Pediatrics and Parenting · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Literacy and Information Accessibility
Établissements canadiensnon disponible
Organismes subventionnairesUniversität zu Köln
Mots-clésLonelinessFeelingDiseaseSupport groupSocial supportPsychologyRare diseaseHealth careDescriptive statisticsInternet privacyMedicineFamily medicineSocial psychologyPsychiatryComputer sciencePathologyStatisticsPolitical scienceMathematics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Loneliness, social isolation, and feeling disconnected from society are commonly experienced by parents of children with rare diseases and are, among others, important reasons for special supportive care needs. Social networking platforms are increasingly used for health communication, information exchange, and support. In the field of rare pediatric diseases, qualitative studies have shown that Facebook online support groups are utilized by and beneficial for persons affected by rare pediatric diseases. Nonetheless, the extent of this usage has not been investigated. OBJECTIVE: This study aims to provide a comprehensive quantitative analysis of the extent of Facebook usage as a tool for rare pediatric disease support groups and to explore factors that influence a disease's representation on Facebook. These results potentially offer important insights for future public health initiatives and give direction to further research that can give much needed support to parents of children with rare diseases. METHODS: We determined rare pediatric diseases using the inventory of the online portal Orphanet. Facebook support groups were identified by searching 5 synonymous disease descriptions using the group category search bar. Disease- and group-describing parameters were statistically analyzed using standard descriptive statistical methods. RESULTS: 6398 Facebook support groups, representing 826 diseases (19.5% of all searched diseases), were found. 69% are private groups. Group type, size, activity (sum of posts, comments, and reactions calculated by Facebook), new memberships, and language varied largely between groups (member count: minimum 1, maximum 23,414; activity last 30 days: minimum 0, maximum 3606). The highest percentage of awareness and information groups was found for teratogenic diseases (18/68, 26%). The odds of finding a Facebook group increased according to the level of information available about the disease: known prevalence (odds ratio [OR] 3.98, 95% CI 3.39-4.66, P<.001), known disease type (OR 3.15, 95% CI 2.70-3.68, P<.001), and known inheritance mode (OR 2.06, 95% CI 1.68-2.52, P<.001) were all associated with higher odds of finding a Facebook group, as was dominant compared to nondominant inheritance (OR 2.05, 95% CI 1.74-3.42, P<.001). The number of groups per disease increased with higher prevalence. CONCLUSIONS: Facebook is widely used as a tool for support groups for rare pediatric diseases and continues to be relevant. Two-thirds of the groups are private groups, indicating group participants' need for privacy, which should be further explored. The advantages and limitations of Facebook as a tool for support groups in the field of rare diseases should be further investigated as it will allow health professionals to use Facebook more meaningfully in their counseling and guidance of affected individuals and their family members.

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 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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,154
Score d'incertitude au seuil0,953

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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)0,0010,000

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 Opus0,086
Tête enseignante GPT0,444
Écart entre enseignants0,357 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations49
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Pediatrics and ParentingMême sujetHealth Literacy and Information AccessibilityTravaux en français237 207