Generating opposition to universal health care policies in the United States: An analysis of private health industry advertising on Meta platforms
Notice bibliographique
Résumé
In 2019, the Partnership for America's Health Care Future (PAHCF), a private health industry lobby group, launched a campaign across Meta platforms (Facebook, Instagram) to generate opposition to universal health care policies in the United States. This study investigates the content and themes prevalent in PAHCF's campaign and how these might shape public discourse and perceptions around universal health care policies. Using qualitative content analysis, 1675 advertisements were examined on Meta platforms within PAHCF's campaign. Inductive methodology was applied to develop a coding framework. Details of campaign spend and number of impressions advertisements received were also collected. The qualitative coding strategies identified three overarching campaign foci: policy targets, claims and themes, and targeted appeal groups. These elements were found to strategically and mutually reinforce one another to generate the narrative that proposed universal health care policies will be detrimental to public health, the economy, and society. Analysis identified that PAHCF engages in strategies common among unhealthy commodity industries. Social media in this instance powerfully perpetuated PAHCF messages that undermined universal health care efforts and contributed to the commercial determinants of health impacts of this industry. These findings indicate that the private health care industry is participating in wider commercial determinants of health activities, acting to protect their profits to the detriment of public health. Like other campaigns by unhealthy commodity industries, PAHCF's campaign is designed to increase doubt in the benefits of health policies, undermine public trust in government and evidence, and promote public alignment with their own messaging and preferred solutions. To counter such tactics, public health professionals need to gain a better understanding of the strategies unhealthy commodity industries utilize to deflect attention from their underlying health-harming intentions, especially through more novel platforms like social media.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».