Abstract 1040: Voices of resilience: Analysing #MetastaticBreastCancer content on TikTok
Notice bibliographique
Résumé
INTRODUCTION: Young women with metastatic breast cancer (YWMBC) have unique biopsychosocial challenges, for which they often turn to social media for information and support. The aim of this study is to understand YWMBC engagement on TikTok and analyze content about MBC. METHODS: Videos tagged with #metastaticbreastcancer on TikTok were collected in 07/24. Reviewers gathered video characteristics: username, user profile, caption, length, date posted, number of followers, likes, views, shares, comments, and presence of sponsorship. Creator demographics were noted. Explanations, communication style, themes, and topics discussed were assessed. Spearman’s correlation coefficient was calculated between variables. RESULTS: 336 English language TikToks were included. Most videos (41%) were posted in 2024, 97% were from individuals. 1% included sponsorship. Average video length was 1:46 minutes. 161 used music. Mean follower number was 61,927 (SD 350,900). Mean number of views, likes, and comments was 209,882 (SD 625,961), 15,541 (SD 134,070), and 622 (SD 3899), respectively. The majority of videos were filmed at home (56%), specifically in the bedroom. 21% were filmed in a hospital setting. Average age at diagnosis was 31.4 years old (SD 4.3). Emotion was explicitly present in 24% of videos. Topics discussed included: daily life with MBC (70%), diagnosis (42%), treatment options (38% systemic, 26% surgery and 16% radiation). Themes are addressed in Table 1. Most relevant correlations for engagement (likes, views) included display of surgical scars, explicit expression of emotions, and diagnosis story. Predictors specific to more comments included fear of recurrence, grief and motherhood. CONCLUSION: TikToks from YWMBC present personal narratives of the daily experience of MBC. They are minimally sponsored and generate higher engagement when personal content/emotions are displayed. They may represent a journaling equivalent and could potentially have a beneficial effect on patients. Citation Format: Nina Morena, Carla Herman, Jillian Schneidman, Eric Belzile, Ari N. Meguerditchian. Voices of resilience: Analysing #MetastaticBreastCancer content on TikTok [abstract]. In: Proceedings of the American Association for Cancer Research Annual Meeting 2025; Part 1 (Regular Abstracts); 2025 Apr 25-30; Chicago, IL. Philadelphia (PA): AACR; Cancer Res 2025;85(8_Suppl_1):Abstract nr 1040.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».