User- and Message-Level Correlates of Endorsement and Engagement for HIV-Related Messages on Twitter: Cross-sectional Study
Notice bibliographique
Résumé
BACKGROUND: Youth and young adults continue to experience high rates of HIV and are also frequent users of social media. Social media platforms such as Twitter can bolster efforts to promote HIV prevention for these individuals, and while HIV-related messages exist on Twitter, little is known about the impact or reach of these messages for this population. OBJECTIVE: This study aims to address this gap in the literature by identifying user and message characteristics that are associated with tweet endorsement (favorited) and engagement (retweeted) among youth and young men (aged 13-24 years). METHODS: In a secondary analysis of data from a study of HIV-related messages posted by young men on Twitter, we used model selection techniques to examine user and tweet-level factors associated with tweet endorsement and engagement. RESULTS: Tweets from personal user accounts garnered greater endorsement and engagement than tweets from institutional users (aOR 3.27, 95% CI 2.75-3.89; P<.001). High follower count was associated with increased endorsement and engagement (aOR 1.05, 95% CI 1.04-1.06; P<.001); tweets that discussed STIs garnered lower endorsement and engagement (aOR 0.59, 95% CI 0.47-1.74; P<.001). CONCLUSIONS: Findings suggest practitioners should partner with youth to design and disseminate HIV prevention messages on social media, incorporate content that resonates with youth audiences, and work to challenge stigma and foster social norms conducive to open conversation about sex, sexuality, and health.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».