Online Illicit Drug Distribution in the Thai Language on X: Exploratory Qualitative Content Analysis
Notice bibliographique
Résumé
BACKGROUND: By increasing exposure to drug-related advertisements, the illicit digital drug trade promotes drug normalization and eases access to substances, increasing the likelihood of initiation. Social media platforms play an increasingly important role in facilitating the online substance trade by leveraging encrypted communications and user-friendly interfaces to advertise a large variety of readily available substances. Despite its growing importance, there is a paucity of research conducted in Thailand that aims to determine the types of substances, marketing strategies, and public health risks linked to drugs advertised on social media. OBJECTIVE: This study aimed to inductively explore the content of tweets on the social media platform X (formerly known as Twitter) advertising drugs in the Thai language. METHODS: Tweets advertising psychoactive substances in the Thai language were collected manually between April and July 2024. A qualitative content analysis was performed on the collected tweets. Tweets were coded based on 5 themes: types of substances advertised, marketing strategies, delivery methods, number of substances per tweet, and location references. The intercoder reliability for each theme was assessed using Krippendorff α, achieving substantial agreement across most codes. RESULTS: A total of 3832 tweets advertising drugs were collected and analyzed. Most tweets (2424/3832, 63.26%) mentioned 5 or more substances, with depressants such as opioids (2807/3832, 73.25%), antihistamines (2394/3832, 62.47%), and benzodiazepines (2009/3832, 52.42%) being the most frequently advertised. Common marketing techniques included direct contact information (2848/3832, 74.32%) and fast delivery (1216/3832, 31.73%). Delivery methods primarily involved courier services but generally offered multiple options. Tweets that mentioned at least 1 sex-performance enhancer were frequently (422/543, 77.7%) advertised in combination with benzodiazepine. CONCLUSIONS: The results of this study suggest the presence of a large number of substances advertised for sale on the X platform in the Thai language. This digital form of drug trading is facilitated by possible direct messaging and the large number of courier services existing in Thailand. Our findings call for the development of real-time monitoring systems that harness drug-related data from social media to inform public health practitioners about emerging substances and trends and address the challenges posed by the digital drug trade.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,001 |
| 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 ».