Preventable: a social marketing campaign to prevent injuries in British Columbia, Canada
Notice bibliographique
Résumé
Background Injuries are the leading killer of Canadians in the prime of their lives. On average, over 1300 British Columbians die and 27 000 are hospitalised because of injury every year. Formative evaluation revealed 76% of BC residents considered injuries a serious problem; 72% considered injuries to be inevitable and that a social marketing campaign could contribute to injury prevention in BC. Purpose Through a province-wide, multi-partner collaboration, the purpose was to determine the efficacy of a social marketing campaign to change awareness, attitudes, self-reported behaviours and to significantly reduce the number and severity of injuries among BC residents aged 25–55. Methods A multi-year, multi-faceted campaign, focused on what people can do to prevent injury was developed. Utilising TV, Radio, print, guerilla events and social media, the campaign launched in June 2009. Results 2 million BC customers (≈50% of BC population) were reached each week and over 100 million media impressions were generated. 50 000 residents visited http://www.preventable.ca Campaign recall increased 45% between June and December 2009. Ads were considered informative, relevant, credible and generated self-reflection; there was no advertising fatigue. Significant positive shifts (5–10%; p<0.05) were observed in attitudes and self-reported behaviours, and a significant reduction (p<0.05) in injury deaths was associated with the campaign period 2009–2010. Significance/Contribution to the Field A well-developed injury prevention social marketing campaign based upon input from, and discussion with the target audience, can result in significant changes in attitudes and behaviours, and is associated with significantly reduced injury mortality.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».