Interventions interactives dans les médias sociaux visant à promouvoir l’équité en matière de santé : vue d’ensemble des examens
Bibliographic record
Abstract
Introduction L’utilisation des médias sociaux en matière de santé publique et de promotion de la santé est en croissance, car ces outils permettent d’éliminer les barrières géographiques et physiques à l’accès aux services et aux soins de santé. Cependant, ils sont une source potentielle d’inégalité en matière de santé car une partie de la population n’y a pas accès ou ne les utilise pas. Cet article a comme objectif d’évaluer les effets des interventions interactives dans les médias sociaux sur les résultats sanitaires, les changements de comportement et l’équité en matière de santé. Méthodologie Nous avons réalisé une synthèse rapide d’examens systématiques axés sur des interventions favorables aux interactions réciproques, que ce soit les forums de discussion, les réseaux sociaux (comme Facebook et Twitter), les blogues, les applications liées aux communautés électroniques ou le partage de contenu multimédia. Nous avons eu recours à une stratégie de recherche fine pour sélectionner les examens systématiques. Résultats Onze examens systématiques ont répondu à nos critères d’inclusion. La plupart des interventions visées par ces examens visaient des groupes de discussion en ligne ou des outils similaires. Ces interventions étaient isolées ou conjointes à d’autres. Sept examens ont fait état d’effets mixtes sur les résultats sanitaires et les comportements sains. On n’a constaté aucune analyse détaillée des caractéristiques liées aux inconvénients, notamment un statut socioéconomique plus faible ou l’âge. Par contre, certaines études ciblées ont montré que les interventions dans les médias sociaux étaient efficaces pour certaines populations précises sur le plan de l’âge, du statut socioéconomique, de l’ethnicité et du lieu de résidence. Quatre examens ont fait état d’avantages qualitatifs, comme la satisfaction, le recueil d’information et l’amélioration du soutien social. Conclusion Les interventions dans les médias sociaux se sont avérées efficaces pour certaines populations susceptibles d’être désavantagées (jeunes, aînés, personnes à faible statut socioéconomique et population rurale), ce qui prouve leur efficacité potentielle pour l’avancement de l’équité en matière de santé. La confirmation de cette efficacité nécessiterait toutefois une étude approfondie. Plusieurs examens ont soulevé la question de l’acceptabilité des interventions dans les médias sociaux. Seulement quatre études se sont penchées sur le niveau d’utilisation de l’intervention et elles ont toutes dévoilé un faible niveau d’utilisation. Il faudra réaliser d’autres travaux de recherche sur les plateformes des principaux médias sociaux actuels, particulièrement auprès des populations risquant d’être désavantagées, afin d’évaluer leurs effets sur les résultats sanitaires et l’équité en matière de santé.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.026 | 0.058 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.002 | 0.003 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.017 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".