Skin Cancer Narratives on Instagram: Content Analysis
Notice bibliographique
Résumé
Background: Skin cancer is among the deadliest forms of cancer in the United States. The American Cancer Society reported that 3 million skin cancer cases could be avoided every year if individuals are more aware of the risk factors related to sun exposure and prevention. Social media platforms may serve as potential intervention modalities that can be used to raise public awareness of several diseases and health conditions, including skin cancer. Social media platforms are efficient, cost-effective tools for health-related content that can reach a broad number of individuals who are already using these spaces in their day-to-day personal lives. Instagram was launched in 2010, and it is now used by 1 billion users, of which 90% are under the age of 35 years. Despite previous research highlighting the potential of image-based platforms in skin cancer prevention and leveraging Instagram's popularity among the priority population to raise awareness, there is still a lack of studies describing skin cancer-related content on Instagram. Objective: This study aims to describe skin cancer-related content on Instagram, including the type of account; the characteristics of the content, such as the kind of media used; and the type of skin cancer discussed. This study also seeks to reveal content themes in terms of skin cancer risks, treatment, and prevention. Methods: skin cancer, (2) written in English language only, and (3) originated from the United States. Guided by previous research and through an iterative process, 2 undergraduate students independently coded the remaining posts. The 2 coders and a moderator met several times to refine the codebook. Results: Of the 592 posts, profiles representing organizations (n=321, 54.2%) were slightly more common than individual accounts (n=256, 43.2%). The type of media included in the posts varied, with posts containing photos occurring more frequently (n=315, 53.2%) than posts containing infographics (n=233, 39.4%) or videos (n=85, 14.4%). Melanoma was the most mentioned type of skin cancer (n=252, 42.6%). Prevention methods (n=404, 68.2%) were discussed in Instagram posts more often than risk factors (n=271, 45.8%). Only 81 out of 592 (13.7%) posts provided a citation. Conclusions: This study's findings highlight the potential role of Instagram as a platform for improving awareness of skin cancer risks and the benefits of prevention practices. We believe that social media is the most promising venue for researchers and dermatologists to dedicate their efforts and presence that can widely reach the public to educate about skin cancer and empower prevention.
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 | 0,004 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».