The Exchange of Informational Support in Online Health Communities at the Onset of the COVID-19 Pandemic: Content Analysis
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.
Notice bibliographique
Résumé
BACKGROUND: Online health communities (OHCs) provide social support for ongoing health-related problems. COVID-19, the disease caused by SARS-CoV-2, has been an acute and substantial stressor worldwide. The disease and its impact, especially in the beginning phases, left many people with questions about the nature, treatment, and prevention of COVID-19. Unlike typical chronic ailments discussed on OHCs, which are more established, COVID-19, at least at the onset of the pandemic, is distinct in that it lacks a consensus of clinical diagnosis and an existing community foundation. OBJECTIVE: The study aims to investigate a newly formed OHC for COVID-19 to determine the topics and types of information exchange as well as the sources of information this community referenced during the early phases of the COVID-19 pandemic in the United States. METHODS: A total of 357 posts from a COVID-19 OHC on the MedHelp platform were annotated according to an open-coding process. Participants' engagement patterns, topics of posts, and sources of information were quantified. RESULTS: <.001). Among the information-seeking topics, symptoms and public health practice and psychological impacts were the most frequently discussed, with 26% (17/65) and 15% (10/65) of posts, respectively. Most informational support was expressed through feedback/opinion (181/220, 82.3%). Additionally, the most frequently referenced source of information was news outlets/websites, at 55% (11/20). Governmental websites were referenced less frequently. CONCLUSIONS: The trends of this community could be useful in prioritizing public health responses to address the most common questions asked by the public during crisis communication and in identifying which venue of communication is most effective in reaching a public audience during such times.
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 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 | 0,002 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle