MétaCan
Menu
Retour à la cohorte
Enregistrement W4307459808 · doi:10.2196/38316

Investigating COVID-19 Vaccine Communication and Misinformation on TikTok: Cross-sectional Study

2022· article· en· W4307459808 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
venuePublié dans une revue dont le pays d'attache est le Canada.

Notice bibliographique

RevueJMIR Infodemiology · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMisinformation and Its Impacts
Établissements canadiensMcMaster UniversityHamilton Health Sciences
Organismes subventionnairesnon disponible
Mots-clésMisinformationLaypersonSocial mediaCross-sectional studyCoronavirus disease 2019 (COVID-19)PandemicHealth communicationPublic healthMedicineFamily medicineInternet privacyPsychologyPublic relationsComputer scienceNursingWorld Wide WebPolitical science

Résumé

récupéré en direct d'OpenAlex

Background: The COVID-19 pandemic has highlighted the need for reliable information, especially around vaccines. Vaccine hesitancy is a growing concern and a great threat to broader public health. The prevalence of social media within our daily lives emphasizes the importance of accurately analyzing how health information is being disseminated to the public. TikTok is of particular interest, as it is an emerging social media platform that young adults may be increasingly using to access health information. Objective: The objective of this study was to examine and describe the content within the top 100 TikToks trending with the hashtag #covidvaccine. Methods: The top 250 most viewed TikToks with the hashtag #covidvaccine were batch downloaded on July 1, 2021, with their respective metadata. Each TikTok was subsequently viewed and encoded by 2 independent reviewers. Coding continued until 100 TikToks could be included based on language and content. Descriptive features were recorded including health care professional (HCP) status of creator, verification of HCP status, genre, and misinformation addressed. Primary inclusion criteria were any TikToks in English with discussion of a COVID-19 vaccine. Results: Of 102 videos included, the median number of plays was 1,700,000, with median shares of 9224 and 62,200 followers. Upon analysis, 14.7% (15/102) of TikToks included HCPs, of which 80% (12/102) could be verified via social media or regulatory body search; 100% (15/15) of HCP-created TikToks supported vaccine use, and overall, 81.3% (83/102) of all TikToks (created by either a layperson or an HCP) supported vaccine use. Conclusions: As the pandemic continues, vaccine hesitancy poses a threat to lifting restrictions, and discovering reasons for this hesitancy is important to public health measures. This study summarizes the discourse around vaccine use on TikTok. Importantly, it opens a frank discussion about the necessity to incorporate new social media platforms into medical education, so we might ensure our trainees are ready to engage with patients on novel platforms.

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 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)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,097
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,115
Tête enseignante GPT0,451
Écart entre enseignants0,337 · 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