The impact of the COVID-19 pandemic on the self-management of Type 2 Diabetes: An Investigation of Reddit Data (Preprint)
Notice bibliographique
Résumé
BACKGROUND Type 2 Diabetes (T2D) is a chronic disease that can be managed in part through healthy behaviours. However, the COVID-19 pandemic impacted how people managed their condition. Using social media forums and analytics through Patient-Generated Health Data (PGHD) presents an opportunity to understand the health behaviours from the perspective of the patient. OBJECTIVE Our objective is to understand how the health behaviours and attitudes of people living with T2D were impacted by the early stages of the COVID-19 pandemic by examining Reddit forums (using PGHD) for people living with T2D. METHODS Data from the Reddit forums related to T2D from January 2018 to early March 2021 were downloaded, and Support Vector Machines (SVMs) were used to classify if a post was made in the context of the pandemic. Latent Dirichlet Allocation (LDA) topic modelling was performed to gather topics of discussion amongst the entire dataset and a subsequent iteration was performed to gather topics of discussion specific to the COVID-19 pandemic. Sentiment Analysis using the Valence Aware Dictionary for sEntiment Reasoning (VADER )algorithm was performed to gauge attitudes towards the pandemic. RESULTS Of all posts, topics of discussion were classified into themes of Managing Lifestyle, Managing Blood Glucose, Obtaining Diabetes Care, and Coping & Receiving Support. Amongst the COVID-specific posts topics of discussion were Coping with Poor Mental Health, Accessing Doctor & Medications and Controlling Blood Glucose, Changing Food Habits during Pandemic, Impact of Stress of Blood Glucose Levels, Changing Status of Employment & Insurance, Risk of COVID Complications. Overall, posts classified as COVID-related had were associated with lower sentiment than those classified as “noncovid.” CONCLUSIONS Topics of discussion gauged from the Reddit forums provide a holistic perspective of the impact of the pandemic on people living with T2D. Overall, the early stages of the pandemic negatively impacted the attitudes of people living with T2D.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | low |
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 | 0,005 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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) | 0,004 | 0,002 |
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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».