MétaCan
Menu
Retour à la cohorte
Enregistrement W4290975215 · doi:10.2196/38268

Users’ Modifications to Electronic Nicotine Delivery Systems: Content Analysis of YouTube Video Comments

2022· article· en· W4290975215 sur OpenAlexvenueno aff
Yachao Li, David L. Ashley, Lucy Popova

Notice bibliographique

RevueJMIR Infodemiology · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueSmoking Behavior and Cessation
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute on Drug AbuseCenter for Tobacco ProductsNational Institutes of Health
Mots-clésContent deliveryComputer scienceMultimediaNicotineOnline videoContent analysisWorld Wide WebPsychologyComputer networkSociologyNeuroscience

Résumé

récupéré en direct d'OpenAlex

Background: User modifications can alter the toxicity and addictiveness of electronic nicotine delivery systems (ENDSs). YouTube has been a major platform where ENDS users obtain and share information about ENDS modifications. Past research has examined the content and characteristics of ENDS modification videos. Objective: This study aims to analyze the video comments to understand the viewers' reactions to these videos. Methods: We identified 168 YouTube videos depicting ENDS modifications. Each video's top 20 most liked comments were retrieved. The final sample included 2859 comments. A content analysis identified major themes of the comment content. Results: Most comments were directed to creators and interacted with others: 952/2859 (33.30%) expressed appreciation, 135/2859 (4.72%) requested more videos, 462/2859 (16.16%) asked for clarification, and 67/2859 (2.34%) inquired about product purchases. In addition, comments mentioned viewers' experiences of ENDS modifications (430/2859, 15.04%) and tobacco use (167/2859, 5.84%); about 198/2859 (6.93%) also indicated intentions to modify ENDSs and 34/2859 (1.19%) mentioned that they were "newbies." Moreover, comments included modification knowledge: 346/2859 (12.10%) provided additional information, 227/2859 (7.94%) mentioned newly learned knowledge, and 162/2859 (5.67%) criticized the videos. Furthermore, few comments mentioned the dangers of ENDS modifications (136/2859, 4.76%) and tobacco use (7/2859, 0.24%). Lastly, among the 15 comments explicitly mentioning regulations, 13/2859 (0.45%) were against and 2/2859 (0.07%) were supportive of regulations. Conclusions: The results indicated acceptance and popularity of ENDS modifications and suggested that the videos might motivate current and new users to alter their devices. Few comments mentioned the risks and regulations. Regulatory research and agencies should be aware of online ENDS modification information and understand its impacts on users.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,012
Score d'incertitude au seuil0,408

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,099
Tête enseignante GPT0,351
Écart entre enseignants0,252 · 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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR InfodemiologyMême sujetSmoking Behavior and CessationTravaux en français237 207