Social media messaging by Canadian health organizations to address indoor tanning during policy and scientific shifts
Notice bibliographique
Résumé
Indoor tanning (IT) is a modifiable risk factor for skin cancer, including melanoma. Social media provides a large potential audience for messaging to address IT, and incorporating elements of evidence and theory-based message design may be an effective way to impact knowledge, attitudes, and behaviours within these audiences. However, few studies have investigated whether these elements are used in practice. This content analysis explored whether Canadian health and cancer organizations incorporate theory- and evidence-supported message design strategies and provides suggestions for how these messages could be strengthened. We identified 36 Facebook pages operated by Canadian government and nonprofit health and cancer organizations and searched these pages using predefined keywords to collect 246 posts. We analysed the text and audiovisuals using a codebook based on the study objectives, evidence from the literature, and constructs from the health belief model. Posts were shared between 2009 and 2020, with the highest frequency between 2011 and 2017, corresponding to several Canadian IT policy developments. Of the posts, 156 (63.4%) mentioned at least one specific consequence of IT; of these, 132 (84.6%) mentioned skin cancer. However, there were few references to other consequences of IT, such as eye and appearance damage. Additionally, only three posts recommended alternative behaviours to IT. Some evidence-based message design features, including narratives (5.3%), myth correction (26%), and normative appeals (30.5%), were less frequent. These results may help message designers leverage the large potential audience on social media to effectively address the excess cancer risk posed by IT.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 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 ».