A Content Analysis of Indoor Tanning Twitter Chatter During COVID-19 Shutdowns: Cross-Sectional Qualitative Study
Notice bibliographique
Résumé
BACKGROUND: Indoor tanning is a preventable risk factor for skin cancer. Statewide shutdowns during the COVID-19 pandemic resulted in temporary closures of tanning businesses. Little is known about how tanners reacted to losing access to tanning businesses. OBJECTIVE: This study aimed to analyze Twitter (subsequently rebranded as X) chatter about indoor tanning during the statewide pandemic shutdowns. METHODS: We collected tweets from March 15 to April 30, 2020, and performed a directed content analysis of a random sample of 20% (1165/5811) of tweets from each week. The 2 coders independently rated themes (κ=0.67-1.0; 94%-100% agreement). RESULTS: About half (589/1165, 50.6%) of tweets were by people unlikely to indoor tan, and most of these mocked tanners or the act of tanning (562/589, 94.9%). A total of 34% (402/1165) of tweets were posted by users likely to indoor tan, and most of these (260/402, 64.7%) mentioned missing tanning beds, often citing appearance- or mood-related reasons or withdrawal. Some tweets by tanners expressed a desire to purchase or use home tanning beds (90/402, 22%), while only 3.9% (16/402) mentioned tanning alternatives (eg, self-tanner). Very few tweets (29/1165, 2.5%) were public health messages about the dangers of indoor tanning. CONCLUSIONS: Findings revealed that during statewide shutdowns, half of the tweets about indoor tanning were mocking tanning bed users and the tanned look, while about one-third were indoor tanners reacting to their inability to access tanning beds. Future work is needed to understand emerging trends in tanning post pandemic.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».