Increasing nondonors’ intention to give blood: addressing common barriers
Notice bibliographique
Résumé
BACKGROUND: Recruiting new donors is a challenging experience for most blood collection agencies. A modest proportion of the population is eligible to give blood and few of these individuals volunteer. The goal of this study was to examine the effects of brief behavioral interventions on nondonors' intention to give blood, by addressing some commonly reported obstacles. STUDY DESIGN AND METHODS: A total of 244 young adults who were eligible to give blood but had never done so participated in the study. They were assigned randomly to an applied tension (AT) instruction condition, a relaxation instruction condition, a Web browsing condition, or a no-treatment control condition. After the 20-minute experimental intervention, half watched three short injection and blood draw videos and the others sat quietly. Intention to give blood and different cognitive constructs associated with blood donation were measured using a Theory of Planned Behavior questionnaire. RESULTS: Participants in all three active conditions had significantly greater increases in intention to donate blood compared to controls, although those who learned AT had greater increases than Web browsing. Bootstrapping tests of mediation indicated particular importance of increased perceived behavioral control in AT and relaxation treatment effects. Follow-up analyses revealed a significant association between degree of within-session increase in intention and subsequent blood clinic attendance. CONCLUSION: These results suggest that simple interventions can be effective in increasing nondonors' intention to donate blood and, perhaps, actual attendance. The mediational analyses suggest that interventions can selectively target different barriers associated with blood donation.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».