An evidence-based method for targeting an abusive head trauma prevention media campaign and its evaluation
Notice bibliographique
Résumé
BACKGROUND: A triple-dose abusive head trauma (AHT) prevention program (Period of PURPLE Crying) was implemented. The third dose consisted of an education media campaign. The study objectives were to describe the qualitative and spatial methods developed to target AHT prevention and to evaluate this campaign. METHODS: A questionnaire on the level of importance of factors, rated on a 7-point Likert scale, was distributed to a panel of experts to determine the best advertising locations. Ranked factors were used to create weights for statistical modeling and mapping within a Geographic Information Systems to determine optimal ad locations. The media campaign was evaluated via a telephone survey of randomly selected households. RESULTS: The survey found locations of new families, high population density, and high percentage of lone parents to be the most important factors for selecting billboard sites. Spatial analysis revealed six areas that ranked highest in our factors. Five billboards, four media posters, and six transit shelters were selected for our advertisements. A population-based telephone survey revealed that 23% of respondents knew the campaign. Nearly half (42%) heard the radio public service announcements, and 9% saw billboards. CONCLUSION: Extending primary prevention efforts to the public helps to create a cultural change in the way inconsolable crying, the trigger for AHT, is viewed. With the use of ranked factors and Geographic Information Systems, geographic locations with high visibility and specific risk factors for AHT were identified for targeting the campaign, facilitating the likelihood that our message was reaching the population in greatest need.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».