MétaCan
Menu
Retour à la cohorte
Enregistrement W4384790476 · doi:10.2196/36132

Social Media Interventions for Nutrition Education Among Adolescents: Scoping Review

2023· article· en· W4384790476 sur OpenAlexaffvenue
Yalinie Kulandaivelu, Jill Hamilton, Ananya Banerjee, Anatoliy Gruzd, Barkha P. Patel, Jennifer Stinson

Notice bibliographique

RevueJMIR Pediatrics and Parenting · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Media in Health Education
Établissements canadiensHospital for Sick ChildrenPublic Health OntarioToronto Metropolitan UniversitySickKids FoundationUniversity of TorontoInstitute for Clinical Evaluative Sciences
Organismes subventionnairesnon disponible
Mots-clésPsychological interventionCINAHLSocial mediaPsycINFONutrition EducationMedicineIntervention (counseling)Medical educationMEDLINEPsychologyGerontologyNursingPolitical science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Adolescence is a critical period for reinforcing healthy dietary behaviors and supporting the development of cooking skills. Social media may be an avenue for supporting these behaviors, as it is popular among adolescents and can improve access to nutrition education interventions. This study sought to understand the optimal implementation of effective social media-based nutrition education interventions to inform the implementation of future social media-based nutrition education interventions. OBJECTIVE: A scoping review of the characteristics, feasibility, effectiveness, and factors influencing social media-based nutrition education interventions for adolescents was conducted. METHODS: We searched MEDLINE, Embase, CINAHL, Web of Science, and PsycINFO databases using a predefined search strategy. Primary research articles were independently screened and included if they involved adolescent populations (10-18 years old) and delivered nutrition education through social media. The information on intervention characteristics, feasibility, effectiveness, and factors influencing social media-based nutrition education interventions was extracted. RESULTS: A total of 28 publications out of 20,557 met the eligibility criteria. Twenty-five nutrition interventions were examined by 28 studies. Fourteen interventions used homegrown social media platforms, 8 used Facebook, and 2 used Instagram. Feasibility outcomes were infrequently reported, and the cost of intervention delivery was not reported. Engagement with interventions was variable; high engagement was not required to elicit significant improvements in dietary behaviors. Tailoring interventions, offering practical content, meaningful peer support, and involving families and communities facilitated successful interventions. Strategies to address engagement and technical issues were varied. CONCLUSIONS: Emerging evidence demonstrates that social media interventions for adolescent nutrition are acceptable and improve nutrition outcomes. Future interventions should strengthen peer support components and tailor delivery to specific populations. Further research should examine engagement, adherence, and the impact of interventions on behavioral and physical outcomes. This review is the first to examine the use of social media as the primary medium for nutrition education for adolescent populations. The analysis used in this review argues the importance of peer support in social media-based nutrition interventions and the need for user-centered design of the interventions.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,338
Score d'incertitude au seuil0,796

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
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 Opus0,189
Tête enseignante GPT0,489
Écart entre enseignants0,300 · 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

Citations21
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJMIR Pediatrics and ParentingMême sujetSocial Media in Health EducationTravaux en français237 207