A Comparison of Lichen Sclerosus and Vulvodynia Content Across Social Media Platforms: What Is Trending Over Time
Notice bibliographique
Résumé
OBJECTIVES: Vulvovaginal diseases are common gynecologic complaints and patients often turn to social media (SM) for medical information. The objective of this study is to examine vulvovaginal content on SM and how it has changed over time. MATERIALS AND METHODS: Four SM platforms were searched (i.e., Facebook, Instagram, Twitter, and YouTube) at 2 time points from March 30 to May 7, 2021, and again from November 24 to December 10, 2022. Newer SM platforms became popular during this time interval and thus TikTok and Reddit were included in the search in 2022. This study focused on 2 common vulvovaginal conditions: lichen sclerosus and vulvodynia. The SM platforms were searched for content on these conditions and the type of content, language, and country of origin were assessed. RESULTS: A total of 1228 SM accounts, posts, and pages were assessed. Lichen sclerosus content on SM was mostly informational (32.6%), whereas vulvodynia content was mostly personal experience (30.5%). Patient support groups were significantly more popular in 2021 compared with 2022 and professional groups were more common in 2022 compared with 2021 ( p < .001). Overall, Facebook and Instagram consisted mostly of patient support groups, YouTube had both informational and professional videos, TikTok had mostly personal experiences and healthcare professional videos, and Reddit was mostly discussions about patient personal experiences. CONCLUSIONS: The current study highlights the content and quantifies user engagement of lichen sclerosus and vulvodynia on SM.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».