Public Opinions and Attitudes toward Non-invasive Prenatal Testing on Reddit: Content and Sentiment Analysis
Notice bibliographique
Résumé
INTRODUCTION: Noninvasive prenatal testing (NIPT) can be used to detect fetal chromosomal abnormalities early in pregnancy. As eligibility criteria broaden and screening targets expand, gauging public acceptability of NIPT becomes increasingly important. Leveraging social media as a rich source of public discourse, the purpose of this study was to understand public opinions and attitudes toward NIPT on the social media platform Reddit. METHODS: We applied content and natural language processing techniques (i.e., sentiment analysis) to textual data collected from 4 Reddit communities focusing on the NIPT content posted from September 2012 to September 2022 (367 posts and 7,822 comments in total). RESULTS: Content analysis findings indicated that social media users consider NIPT to be worthwhile. Reasons NIPT was perceived to be not worthwhile related to unwanted anxiety, and the fact that NIPT results would not change anything about their approach to pregnancy were also expressed. The sentiment analysis identified more positive than negative emotions; the mean sentiment scores ranged from 0.48 to 1.22, depending on the specific Lexicon used. Specific emotions (i.e., trust, fear) were also identified. CONCLUSION: Our novel approach to understanding public perception and attitudes toward NIPT yielded results that are consistent with conventional patient-oriented research methods. These findings may not only contribute to ongoing improvements in prenatal patient care, research, and policy but also indicate that sentiment analysis applied to social media data can serve as a suitable means to assess public acceptability of NIPT, particularly as public dialogue on this topic increases over time.
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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».