Public attitudes towards the preventability of transport and non-transport related injuries: Can a social marketing campaign make a difference?
Notice bibliographique
Résumé
Substantial efforts devoted to decreasing the burden of transport-related injuries (TRIs) in Canada, including public awareness campaigns aiming to influence attitudes and behaviors, may lead the public to perceive other types of injuries differently. This study examined the relationship between public perception of the preventability of injuries and the type of injury (TRIs vs. non-transport unintentional injuries (NTUIs)); and assessed whether exposure to a social marketing campaign ( Preventable ) influenced this association. A cross-sectional study design employed survey data collected by Preventable between 2015 and 2016 from 1501 British Columbians aged 25–54 years. A multiple linear regression model was applied to examine the relationship between the type of injury (TRIs vs. NTUIs) and attitudes towards preventability, controlling for socio-demographic variables. Exposure to the campaign was tested as an effect modifier. On a scale from 1 to 10, respondents perceived TRIs to be 1.08 points more preventable than NTUIs (95% CI: 1.00 to 1.16, p -value < 0.0001). Campaign-exposed participants scored 0.31 points higher on preventability of injuries overall (95% CI: 0.16 to 0.47, p -value < 0.0001); and recorded a smaller difference between the perceived preventability of TRIs and NTUIs, relative to those not exposed to the campaign (B = −0.163, 95% CI: –0.28 to −0.04, p -value = 0.008). While respondents believed that most injuries are preventable, exposure to considerable road traffic interventions in Canada may have influenced public attitudes towards a higher perceived preventability of TRIs. Social marketing may be a useful tool to emphasize the preventability of all injuries to further reduce their burden in Canada.
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 | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,023 | 0,001 |
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 ».