Health-Related Concerns of Anti-LGBTQ+ Legislation: Thematic Analysis Using Social Media Data
Notice bibliographique
Résumé
BACKGROUND: There has been a recent proliferation of anti-LGBTQ+ (lesbian, gay, bisexual, transgender, queer/questioning) legislation being proposed in the United States, including more than 500 bills across 42 states in 2024. Many of the studies examining the impact of anti-LGBTQ+ legislation have focused specifically on the association with mental health outcomes. OBJECTIVE: The objective of this study was to use social media data to more broadly explore health-related concerns of anti-LGBTQ+ legislation among sexual minority men in the United States. METHODS: We leveraged a dataset containing 70 million tweets that were posted by 23,276 users in the United States who self-reported on Twitter that they are sexual minority men. First, we searched these tweets for keywords related to LGBTQ+ legislation. Next, we developed a codebook for identifying those that expressed health-related concerns of anti-LGBTQ+ legislation. Then, we developed a coding scheme to categorize these concerns into one or more themes by using an inductive approach. Finally, we automatically identified the users' geographic location and age for subgroup analyses. RESULTS: Among 8486 keyword-matched tweets, 493 (5.8%) tweets expressed health-related concerns due to anti-LGBTQ+ legislation and were posted by 288 sexual minority men in the United States: 112 (38.9%) who posted about health care, 84 (29.2%) about safety, 64 (22.2%) about mental health, 62 (21.5%) about general harm, 49 (17%) about human rights, and 40 (13.9%) about support. Health care was the top concern overall and across the United States and age groups. In contrast, the higher prevalence of mental health was driven by the larger number of users in the South, as it was less of a concern in other regions. Similarly, mental health was less of a concern among older age groups. Safety was as much of a concern as mental health overall and across the United States and most age groups. CONCLUSIONS: Our findings may inform a broader range of health interventions and approaches for targeting them at specific populations of sexual minority men. By demonstrating that these concerns are expressed on social media, our findings can be leveraged by advocacy groups to amplify voices and rally public support for countering anti-LGBTQ+ bills.
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 | 0,011 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,010 | 0,011 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».