What the Public Was Saying about the H1N1 Vaccine: Perceptions and Issues Discussed in On-Line Comments during the 2009 H1N1 Pandemic
Notice bibliographique
Résumé
During the 2009 H1N1 pandemic, a vaccine was made available to all Canadians. Despite efforts to promote vaccination, the public's intent to vaccinate remained low. In order to better understand the public's resistance to getting vaccinated, this study addressed factors that influenced the public's decision making about uptake. To do this, we used a relatively novel source of qualitative data--comments posted on-line in response to news articles on a particular topic. This study analysed 1,796 comments posted in response to 12 articles dealing with H1N1 vaccine on websites of three major Canadian news sources. Articles were selected based on topic and number of comments. A second objective was to assess the extent to which on-line comments can be used as a reliable data source to capture public attitudes during a health crisis. The following seven themes were mentioned in at least 5% of the comments (% indicates the percentage of comments that included the theme): fear of H1N1 (18.8%); responsibility of media (17.8%); government competency (17.7%); government trustworthiness (10.7%); fear of H1N1 vaccine (8.1%); pharmaceutical companies (7.6%); and personal protective measures (5.8%). It is assumed that the more frequently a theme was mentioned, the more that theme influenced decision making about vaccination. These key themes for the public were often not aligned with the issues and information officials perceived, and conveyed, as relevant in the decision making process. The main themes from the comments were consistent with results from surveys and focus groups addressing similar issues, which suggest that on-line comments do provide a reliable source of qualitative data on attitudes and perceptions of issues that emerge in a health crisis. The insights derived from the comments can contribute to improved communication and policy decisions about vaccination in health crises that incorporate the public's views.
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 | 0,012 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,006 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| 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 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 ».