Social Media, Endometriosis, and Evidence-Based Information: An Analysis of Instagram Content
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Social media platforms are used for support and as resources by people from the endometriosis community who are seeking advice about diagnosis, education, and disease management. However, little is known about the scientific accuracy of information circulated on Instagram about the disease. To fill this gap, this study analysed the evidence-based nature of content on Instagram about endometriosis. A total of 515 Instagram posts published between February 2022 and April 2022 were gathered and analysed using a content analysis method, resulting in sixteen main content categories, including "educational", which comprised eleven subcategories. Claims within educational posts were further analysed for their evidence-based accuracy, guided by a process which included fact-checking all claims against the current scientific evidence and research. Of the eleven educational subcategories, only four categories (cure, scientific article, symptoms, and fertility) comprised claims that were at least 50% or greater evidence-based. More commonly, claims comprised varying degrees of evidence-based, mixed, and non-evidence-based information, and some categories, such as surgery, were dominated by non-evidence-based information about the disease. This is concerning as social media can impact real-life decision-making and management for individuals with endometriosis. Therefore, this study suggests that health communicators, clinicians, scientists, educators, and community groups trying to engage with the endometriosis online community need to be aware of social media discourses about endometriosis, while also ensuring that accurate and translatable information is provided.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle