MétaCan
Menu
Retour à la cohorte
Enregistrement W4404859401 · doi:10.2196/50649

Real-Time Exposure to Alcohol Content in Digital Media in Adolescents: Protocol for a Multiburst Ecological Momentary Assessment Study

2024· article· en· W4404859401 sur OpenAlexvenueno aff
Kristina M. Jackson, Joy Gabrielli, Suzanne M. Colby, Tyler B. Wray, Tim Janssen, Michelle L. Rogers, Cassandra Delapaix

Notice bibliographique

RevueJMIR Research Protocols · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueImpact of Technology on Adolescents
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute on Alcohol Abuse and Alcoholism
Mots-clésPreprintProtocol (science)Digital mediaPsychologyEcologyComputer scienceMultimediaMedicineWorld Wide WebBiology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Digital media frequently contains positive portrayals of alcohol content, which has been shown to be associated with alcohol-related cognitions and behaviors. Because youth are heavy media consumers and have access to unsupervised, repeat viewing of media content on their personal mobile devices, it is critical to understand the frequency of encountering alcohol content in adolescents' daily lives and how adolescents engage with the content. OBJECTIVE: This paper outlines the study protocol for examining adolescents' exposure to alcohol-related content in digital media within their natural environments. METHODS: Adolescents (N=302; 31.8% boys, 16.2% nonbinary, 51.3% girls; 25.8% Asian, 3.6% American Indian, 21.5% Black, 4.6% other, 52% White, 25.8% Hispanic or Latinx; mean age 16.21, SD 0.77 y) enrolled in high school were recruited through social media to participate in a prospective study involving bursts of ecological momentary assessment (EMA) reports coupled with longer surveys. We conducted group orientation sessions via videoconference and online surveys, followed by a 21-day EMA period that included scheduled reports across 4 daily time blocks, as well as self-initiated reports on media exposure. Reports of alcohol content exposure included details about the platform, level of engagement, source characteristics, beliefs and perceived norms about the content, the viewing context, and whether the content was sponsored or branded. The participants submitted exposures to alcohol content as an image (screenshot or photo) or text description to be objectively coded. The participants completed a weekly online survey assessing alcohol use and related cognitions. EMA reports will be merged with coded image and text entries and with data from baseline, weekly, and follow-up surveys. Self-reported alcohol exposure will be explored descriptively, and differences in exposure tested across subgroups. Event-level data will be compared with random prompt data to examine differences at times of exposure versus nonexposure. Prospective associations between media alcohol content exposure and alcohol use will be explored over 1-week and 4-month time frames. Mediation of the association between media alcohol exposure and drinking will be tested to explore putative mechanisms. RESULTS: EMA data collection took place from February 2022 to August 2023. Data management and preliminary analysis are ongoing. Preliminary data were disseminated through conference presentations in 2024-2025 and manuscripts are ongoing with full results anticipated to be published in 2025-2026. CONCLUSIONS: By characterizing adolescents' real-world exposure to alcohol content in the media, the study provides critical information to develop and implement interventions to target youth behavior that are well suited to delivery via mobile devices. Next steps are to conduct focus groups to understand participants' lived experience of exposure to media alcohol content and reactions to proposed intervention targets. This study and subsequent qualitative work will launch a program of research to counter the effects of alcohol-related media exposure as experienced by adolescents in an effort to minimize underage alcohol involvement. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): DERR1-10.2196/50649.

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)0,025
score de la tête « metaresearch » (Gemma)0,016
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: aucune
GenreSignal candidat: Protocole · Signal consensuel: Protocole
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,132

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0250,016
Méta-épidémiologie (sens strict)0,0040,004
Méta-épidémiologie (sens large)0,0050,003
Bibliométrie0,0030,002
Études des sciences et des technologies0,0050,002
Communication savante0,0020,002
Science ouverte0,0030,003
Intégrité de la recherche0,0040,006
Charge utile insuffisante (le modèle a refusé de juger)0,0310,009

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 Opus0,317
Tête enseignante GPT0,589
Écart entre enseignants0,272 · 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
GenreProtocole

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

En bref

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Research ProtocolsMême sujetImpact of Technology on AdolescentsTravaux en français237 207