MétaCan
Menu
Retour à la cohorte
Enregistrement W4391347079 · doi:10.1136/jech-2023-220980

Lack of consistency in measurement methods and semantics used for network measures in adolescent health behaviour studies using social network analysis: a systematic review

2024· review· en· W4391347079 sur OpenAlexaff
Magali Collonnaz, Lætitia Minary, Teodora Riglea, Jodi Kalubi, Jennifer O’Loughlin, Yan Kestens, Nelly Agrinier

Notice bibliographique

RevueJournal of Epidemiology & Community Health · 2024
Typereview
Langueen
DomainePsychology
ThématiqueMental Health Research Topics
Établissements canadiensCentre Intégré Universitaire de Santé et de Services Sociaux du Centre-Sud-de-l'Île-de-MontréalUniversité de MontréalCentre Hospitalier de l’Université de Montréal
Organismes subventionnairesnon disponible
Mots-clésPopularitySocial network analysisPsychologyRespondentSimilarity (geometry)Social network (sociolinguistics)Consistency (knowledge bases)SociometrySemantics (computer science)Network analysisSocial psychologyData scienceComputer scienceArtificial intelligenceSocial mediaWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Social network analysis (SNA) is often used to examine how social relationships influence adolescent health behaviours, but no study has documented the range of network measures used to do so. We aimed to identify network measures used in studies on adolescent health behaviours. METHODS: We conducted a systematic review to identify network measures in studies investigating adolescent health behaviours with SNA. Measures were grouped into eight categories based on network concepts commonly described in the literature: popularity, position within the network, network density, similarity, nature of relationships, peer behaviours, social norms, and selection and influence mechanisms. Different subcategories were further identified. We detailed all distinct measures and the labels used to name them in included articles. RESULTS: Out of 6686 articles screened, 201 were included. The categories most frequently investigated were peer behaviours (n=201, 100%), position within the network (n=144, 71.6%) and popularity (n=110, 54.7%). The number of measurement methods varied from 1 for 'similarity on popularity' (within the 'similarity' category) to 28 for the 'characterisation of the relationship between the respondent and nominated peers' (within the 'nature of the relationships' category). Using the examples of 'social isolation', 'group membership', 'individuals in a central position' (within the 'position within the network' category) and 'nominations of influential peers' (sub within the 'popularity' category), we illustrated the inconsistent reporting and heterogeneity in measurement methods and semantics. CONCLUSION: Robust methodological recommendations are needed to harmonise network measures in order to facilitate comparison across studies and optimise public health intervention based on SNA.

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)0,189
score de la tête « metaresearch » (Gemma)0,583
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,811
Score d'incertitude au seuil1,000

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1890,583
Méta-épidémiologie (sens strict)0,0020,003
Méta-épidémiologie (sens large)0,0110,013
Bibliométrie0,0300,031
Études des sciences et des technologies0,0020,004
Communication savante0,0090,011
Science ouverte0,0050,006
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,849
Tête enseignante GPT0,700
Écart entre enseignants0,149 · 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeRevue systématique
DomaineMéthodes
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Epidemiology & Community HealthMême sujetMental Health Research TopicsTravaux en français237 207