MétaCan
Menu
Retour à la cohorte
Enregistrement W4413429383 · doi:10.2196/67312

The Dual Impact of Time and Content Exposure of Social Media on Diabetes Self-Management in Older Adults: Cross-Sectional Study

2025· article· en· W4413429383 sur OpenAlexvenueno aff
Qingyuan Ye, Ruiyang Xu, Li Li, Meng Zhao, Shan Wang, Sijing Peng, Si Chen, Fatema Ahmed, Chen Wu, Kefang Wang

Notice bibliographique

RevueJMIR Aging · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPreprintCross-sectional studySocial mediaGerontologyDiabetes mellitusMedicinePortion sizePsychologyFood scienceComputer scienceBiologyEndocrinologyWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Self-management is critical for older adults with type 2 diabetes mellitus (T2DM); however, its practice remains suboptimal. Social media has become an accessible and effective stimulus source for the public, which has the potential to promote health behaviors, but its effect on the self-management of older adults with T2DM remains unknown. OBJECTIVE: We aimed to investigate the relationship between social media exposure, specifically time exposure and content exposure, and the self-management of older adults with T2DM. METHODS: In this cross-sectional study, we enrolled 257 older adults with T2DM who used short-form video apps from community health care centers. We assessed subjective and objective time and content exposure. We transformed text-based content exposure into diabetes-related content exposure encompassing irrelevant, harmful, hypobeneficial, and hyperbeneficial categories using Q-methodology. Self-management was assessed through a validated questionnaire. We used restricted cubic splines and linear regression models to model the relationships between time exposure and content exposure and self-management, respectively. RESULTS: Of 257 older adults with T2DM, the median age was 69 (IQR 65-72) years, 53.3% (n=137) were women, the mean sum score of self-management was 35.7 (SD 10.4), the median subjective time exposure was 120 (IQR 60-120) minutes, and 61.1% (n=157) of them were exposed to hyperbeneficial content. There was an approximate L-shaped dextrorotatory relationship between time exposure and self-management, with a decline in self-management when time exposure surpassed 139.8 minutes daily. Exposure to hyperbeneficial content was positively associated with the overall self-management (B=3.46, 95% CI 0.71-6.21). For participants exposed for more than 139.8 minutes daily, this positive association remained robust (B=7.27, 95% CI 1.54-13.00). In subdimensional analyses, hyperbeneficial content exposure was positively associated with general diet (B=1.51, 95% CI 0.54-2.49) and blood glucose testing (B=1.31, 95% CI 0.25-2.38). CONCLUSIONS: Social media exposure presented a double-edged sword for self-management of older adults with T2DM. Self-management declined when the daily time spent on social media exceeded 139.8 minutes. However, exposure to hyperbeneficial content was associated with better self-management of individuals, regardless of excessive time spent on social media. Future longitudinal and experimental studies that validate the multifaceted association between social media exposure and health behaviors are needed. If confirmed, these findings would support the implementation of media prescription programs by health care providers in communities.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,005
Score d'incertitude au seuil0,424

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,421
Écart entre enseignants0,394 · 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 tête enseignante, 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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR AgingMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207