Teste Talk: A trial social media campaign to improve awareness of testicular torsion
Notice bibliographique
Résumé
INTRODUCTION: Adolescent males are particularly prone to testicular torsion, often resulting in subsequent orchiectomy. A lack of knowledge about testicular pathologies, as well as hesitancy to discuss genital concerns, are fundamental, preventable barriers to early presentation. We hypothesized that a social media campaign to improve awareness of testicular torsion and other urological conditions affecting adolescents may overcome such barriers in this population. METHODS: A social media campaign, "Teste Talk," was created and promoted on Instagram and Facebook. Data was collected from June 1 to December 1, 2021. Instagram followers, Facebook page likes, Instagram and Facebook reach, post likes, Instagram follower demographics, and advertisement data were reviewed. Data was collected using Meta Business Suite. Paid promotions to improve awareness of the campaign were targeted towards 13-18-year-old males in Alberta and were funded by the Undergraduate Research Initiative Support Fund. RESULTS: The campaign reached 26 072 Instagram accounts and 14 741 Facebook accounts. The Instagram page amassed 382 followers, while the Facebook page accumulated 99 likes. Paid advertisements were seen 81 136 times on Instagram and Facebook. Instagram surveys demonstrated that over the study period, followers had an increased awareness of testicular torsion and how to recognize it. No patients presenting with torsion during the study period admitted to seeing the campaign. CONCLUSIONS: Testicular torsion remains a significant issue among adolescent males, and creative ways to disseminate information and increase knowledge and conversations about testicular pathologies are needed. Social media campaigns present a potential pathway for increasing awareness and reducing delays to presentation and orchiectomies.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 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 ».