MétaCan
Menu
Retour à la cohorte
Enregistrement W3117325730 · doi:10.2196/24756

Knowledge About COVID-19 in Brazil: Cross-Sectional Web-Based Study

2020· article· en· W3117325730 sur OpenAlexvenueno aff
Vinícius Henrique Almeida Guimarães, Maísa de Oliveira-Leandro, Carolina Cassiano, Anna Laura Piantino Marques, Clara Motta, Ana Letícia Freitas-Silva, Marlos Aureliano Dias de Sousa, Luciano Alves Matias da Silveira, Thiago César Pardi, Fernanda Castro Gazotto, Marcos Silva, Virmondes Rodrigues, Wellington Francisco Rodrigues, Carlo José Freire Oliveira

Notice bibliographique

RevueJMIR Public Health and Surveillance · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMisinformation and Its Impacts
Établissements canadiensnon disponible
Organismes subventionnairesConselho Nacional de Desenvolvimento Científico e TecnológicoCoordenação de Aperfeiçoamento de Pessoal de Nível Superior
Mots-clésSocial distanceCross-sectional studyPsychological interventionPopulationEnvironmental healthFamily medicineMedicineTransmission (telecommunications)PandemicPublic healthComputer-assisted web interviewingCoronavirus disease 2019 (COVID-19)DiseaseNursingBusinessInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: COVID-19 is a highly transmissible illness caused by SARS-CoV-2. The disease has affected more than 200 countries, and the measures that have been implemented to combat its spread, as there is still no vaccine or definitive medication, have been based on supportive interventions and drug repositioning. Brazil, the largest country in South America, has had more than 140,000 recorded deaths and is one of the most affected countries. Despite the extensive quantity of scientifically recognized information, there are still conflicting discussions on how best to face the disease and the virus, especially with regard to social distancing, preventive methods, and the use of medications. OBJECTIVE: The main purpose of this study is to evaluate the Brazilian population's basic knowledge about COVID-19 to demonstrate how Brazilians are managing to identify scientifically proven information. METHODS: A cross-sectional study design was used. An original online questionnaire survey was administered from June 16 to August 21, 2020, across all five different geopolitical regions of the country (ie, the North, Northeast, Center-West, Southeast, and South). The questionnaire was comprised of questions about basic aspects of COVID-19, such as the related symptoms, conduct that should be followed when suspected of infection, risk groups, prevention, transmission, and social distancing. The wrong questionnaire response alternatives were taken from the fake news combat website of the Brazilian Ministry of Health. Participants (aged ≥18 years) were recruited through social networking platforms, including Facebook, WhatsApp, and Twitter. The mean distributions, frequencies, and similarities or dissimilarities between the responses for the different variables of the study were evaluated. The significance level for all statistical tests was less than .05. RESULTS: A total of 4180 valid responses representative of all the states and regions of Brazil were recorded. Most respondents had good knowledge about COVID-19, getting an average of 86.59% of the total score with regard to the basic aspects of the disease. The region, education level, age, sex, and social condition had a significant association (P<.001) with knowledge about the disease, which meant that women, the young, those with higher education levels, nonrecipients of social assistance, and more economically and socially developed regions had more correct answers. CONCLUSIONS: Overall, Brazilians with social media access have a good level of basic knowledge about COVID-19 but with differences depending on the analyzed subgroup. Due to the limitation of the platform used in carrying out the study, care should be taken when generalizing the study findings to populations with less education or who are not used to accessing social networking platforms.

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)0,003
score de la tête « metaresearch » (Gemma)0,003
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,418
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,105
Tête enseignante GPT0,441
Écart entre enseignants0,335 · 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

Citations31
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Public Health and SurveillanceMême sujetMisinformation and Its ImpactsTravaux en français237 207