Side effects and cessation of the oral contraceptive pill on TikTok: a content analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Objectives: This study aimed to assess the content and reliability of videos discussing the oral contraceptive pill (OCP) on TikTok, the popular social media platform amongst adults aged 18-24, to gauge the dialogue surrounding birth control on TikTok. Methods: We conducted a quantitative content analysis. The top 100 TikTok videos in English under each of the six hashtags related to OCPs were collected. Video content, engagement metrics (likes, comments, shares), and creator attributes were analyzed by two independent reviewers, with a third to arbitrate discrepancies. Results: 307 videos were included in the final data set with an average of 134,891 likes, 1,080 comments, and 7,483 shares. Healthcare providers created 27% of videos and 85.5% of these videos were educational. The majority of videos (73%) were created by non-healthcare providers and 54.4% discussed OCPs in a negative tone. Side effects were mentioned in 79% of videos, and 64% of these videos carried a negative tone regarding OCP side effects. Discontinuing OCPs was discussed in 24% of videos, and 83% of these videos carried a negative tone. Conclusions: The most frequently discussed topic was the side effects of OCPs, with the majority framed negatively. Approximately one quarter of videos addressed discontinuing OCPs, often portraying cessation as beneficial. In the post-Roe v. Wade era, understanding how OCP experiences are portrayed on TikTok highlights the importance of physician-patient collaboration to support informed contraceptive decision-making and move beyond narratives that focus primarily on negative experiences.
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.
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 | 0,003 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 | 0,000 |
| 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 découle