MétaCan
Menu
Retour à la cohorte
Enregistrement W4400447876 · doi:10.2196/51520

Social Media Programs for Outreach and Recruitment Supporting Aging and Alzheimer Disease and Related Dementias Research: Longitudinal Descriptive Study

2024· article· en· W4400447876 sur OpenAlexvenueno aff
Anthony L. Teano, Ashley Scott, Cassandra D. Gipson, Marilyn Albert, Corinne Pettigrew

Notice bibliographique

RevueJMIR Aging · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Media in Health Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSocial mediaOutreachVisibilityPsychologyDescriptive statisticsMedical educationDescriptive researchWorld Wide WebMedicineComputer scienceSociologyPolitical scienceGeographySocial science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Social media may be a useful method for research centers to deliver health messages, increase their visibility in the local community, and recruit study participants. Sharing examples of social media-based community outreach and educational programs, and evaluating their outcomes in this setting, is important for understanding whether these efforts have a measurable impact. OBJECTIVE: The aim of this study is to describe one center's social media activities for community education on topics related to aging, memory loss, and Alzheimer disease and related dementias, and provide metrics related to recruitment into clinical research studies. METHODS: Several social media platforms were used, including Facebook, X (formerly Twitter), and YouTube. Objective assessments quantified monthly, based on each platform's native dashboard, included the number of followers, number of posts, post reach and engagement, post impressions, and video views. The number of participants volunteering for research during this period was additionally tracked using a secure database. Educational material posted to social media most frequently included content developed by center staff, content from partner organizations, and news articles or resources featuring center researchers. Multiple educational programs were developed, including social media series, web-based talks, Twitter chats, and webinars. In more recent years, Facebook content was occasionally boosted to increase visibility in the local geographical region. RESULTS: Up to 4 years of page metrics demonstrated continuing growth in reaching social media audiences, as indicated by increases over time in the numbers of likes or followers on Facebook and X/Twitter and views of YouTube videos (growth trajectories). While Facebook reach and X/Twitter impression rates were reasonable, Facebook engagement rates were more modest. Months that included boosted Facebook posts resulted in a greater change in page followers and page likes, and higher reach and engagement rates (all P≤.002). Recruitment of participants into center-affiliated research studies increased during this time frame, particularly in response to boosted Facebook posts. CONCLUSIONS: These data demonstrate that social media activities can provide meaningful community educational opportunities focused on Alzheimer disease and related dementias and have a measurable impact on the recruitment of participants into research studies. Additionally, this study highlights the importance of tracking outreach program outcomes for evaluating return on investment.

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)0,010
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,015
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0030,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,551
Tête enseignante GPT0,547
Écart entre enseignants0,004 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR AgingMême sujetSocial Media in Health EducationTravaux en français237 207