MétaCan
Menu
Retour à la cohorte
Enregistrement W4361297400 · doi:10.31219/osf.io/d2mkr

Complementary, Alternative, and Integrative Medicine-Specific COVID-19 Misinformation on Social Media: A Scoping Review

2023· review· en· W4361297400 sur OpenAlexafffund
Jeremy Y. Ng, Shawn Liu, Ishana Maini, Will Pereira, Holger Cramer, David Moher

Notice bibliographique

Revuenon disponible
Typereview
Langueen
DomaineSocial Sciences
ThématiqueMisinformation and Its Impacts
Établissements canadiensUniversity of OttawaMcMaster UniversityImpactOttawa Hospital
Organismes subventionnairesMcMaster University
Mots-clésMisinformationSocial mediaPsycINFOCoronavirus disease 2019 (COVID-19)Thematic analysisPandemicInternet privacyHealth communicationMEDLINEPublic relationsPsychologyMedicinePolitical scienceSociologyQualitative researchComputer scienceSocial science

Résumé

récupéré en direct d'OpenAlex

Background: The sharing of health-related information has become increasingly popular on social media. Unregulated information sharing has led to the spread of misinformation, especially regarding complementary, alternative, and integrative medicine (CAIM). This scoping review synthesized evidence surrounding the spread of CAIM-related misinformation on social media during the COVID-19 pandemic.Methods: This review was informed by a modified version of the Arksey and O’Malley scoping review framework. AMED, EMBASE, PsycINFO and MEDLINE databases were searched systematically from inception to January 2022. Eligible articles explored COVID-19 misinformation on social media and contained sufficient information on CAIM therapies. Common themes were identified using an inductive thematic analysis approach.Results: Twenty-eight articles were included. The following themes were synthesized: 1) misinformation prompts unsafe and harmful behaviours, 2) misinformation can be separated into different categories, 3) individuals are capable of identifying and refuting CAIM misinformation, 4) non-representative study samples have resulted in considerable generalizability issues, and 5) studies argue governments and social media companies have a responsibility to resolve the spread of COVID-19 misinformation.Conclusions: Misinformation can spread more easily when shared on social media. Our review suggests that misinformation about COVID-19 related to CAIM that is disseminated online contributes to unsafe health behaviours, however, this may be remedied via public education initiatives and stricter media guidelines. The results of this scoping review are crucial to understanding the behavioural impacts of the spread of COVID-19 misinformation about CAIM therapies, and can inform the development of public health policies to mitigate these issues.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,014
score de la tête « metaresearch » (Gemma)0,081
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,075

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,081
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,004
Bibliométrie0,0180,015
Études des sciences et des technologies0,0020,002
Communication savante0,0050,004
Science ouverte0,0020,003
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,472
Tête enseignante GPT0,535
Écart entre enseignants0,064 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetMisinformation and Its ImpactsTravaux en français237 207