Analysis of instagram profiles found through inscriptions on the walls of the In – Patient Adolescent Psychiatry Unit at the University Hospital in Kraków, Poland
Notice bibliographique
Résumé
Aim of the study Adolescents are increasingly active in social media: 72% use Instagram while as many as a quarter suffer from at least one mental disorder, Internet users among them. A number of studies confirming the mutual influence of social media and mental health have been conducted but there is a shortage of data on the Internet activity of people suffering from mental disorders. This study aims at extending the existing knowledge by analyzing Instagram accounts of adolescent psychiatric in-patients. Subject or material and methods We analyzed the contents of Instagram accounts, links to 36 of which were hidden in graffiti drawn by patients on the walls of an inpatient adolescent psychiatric ward. After excluding inactive and nonexistent accounts, 21 addresses were analyzed with respect to the number and content of published posts and comments left under them. Results 90% of the accounts belonged to girls. 52% revealed the owner’s identity. The posts were mainly depressive, which correlated with the psychopathology of the patients. The comments differed in number and in character depending on the content of the post: replies to posts related to body image were mainly supportive, while comments on posts related to self-harm mainly expressed sympathy. Discussion Most of the analyzed Instagram posts are related to the typical psychopathology of the patients hospitalized on our ward. In addition, it is also similar to negative effects that social media may have on mental health. Conclusions The association found in the study show that conducting further research on social media use by psychiatric patients may be clinically important.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».