MétaCan
Menu
Retour à la cohorte
Enregistrement W2079593733 · doi:10.1161/01.str.0000083175.01126.62

Advertising Strategies to Increase Public Knowledge of the Warning Signs of Stroke

2003· article· en· W2079593733 sur OpenAlexafffundabout
Frank L. Silver, Frank Rubini, Diane Black, Corinne Hodgson

Notice bibliographique

RevueStroke · 2003
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Literacy and Information Accessibility
Établissements canadiensCentre For Cold Ocean Resources EngineeringOntario Stroke NetworkHeart and Stroke Foundation
Organismes subventionnairesHealth CanadaHeart and Stroke Foundation of Canada
Mots-clésMedicineNewspaperMass mediaAdvertisingStroke (engine)PollingHealth educationWarning signsPublic healthControl (management)Telephone surveyNursingBusiness

Résumé

récupéré en direct d'OpenAlex

BACKGROUND AND PURPOSE: Public awareness of the warning signs of stroke is important. As part of an educational campaign using mass media, the Heart and Stroke Foundation of Ontario conducted public opinion polling in 4 communities to track the level of awareness of the warning signs of stroke and to determine the impact of different media strategies. METHODS: Telephone surveys were conducted among members of the general public in 1 control and 3 test communities before and after mass media campaigns. The main outcome measure used to determine effectiveness of the campaigns was the ability to name > or =2 warning signs of stroke. RESULTS: In communities exposed to television advertising, ability to name the warning signs of stroke increased significantly. There was no significant change in the community receiving print (newspaper) advertising, and the control community experienced a decrease. Television increased the knowledge of both men and women and of people with less than a secondary school education but not of those > or =65 years of age. Intermittent, low-level television advertising was as effective as continuous, high-level television advertising. CONCLUSIONS: Results of this survey can be used to guide mass media-buying strategies for public health education.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,550
Score d'incertitude au seuil0,772

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,056
Tête enseignante GPT0,419
Écart entre enseignants0,363 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations175
Publié2003
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueStrokeMême sujetHealth Literacy and Information AccessibilityTravaux en français237 207