Attitudes, current behaviours and barriers to public health measures that reduce COVID-19 transmission: A qualitative study to inform public health messaging
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Public health measures to reduce COVID-19 transmission include masking in public places, physical distancing, staying home when ill, avoiding high-risk locations, using a contact tracing app, and being willing to take a COVID-19 vaccine. However, adoption of these measures varies greatly. We aimed to improve health messaging to increase adherence to public health behaviours to reduce COVID-19 transmission by: 1) determining attitudes towards public health measures and current behaviours; 2) identifying barriers to following public health measures; and, 3) identifying public health communication strategies. We recruited participants from a random panel of 3000 phone numbers across Alberta to fill a predetermined quota: age (18-29; 30-59; 60+ years), geographic location (urban; rural), and whether they had school-age children. Two researchers coded and themed all transcripts. We performed content analysis and in-depth thematic analysis. Nine focus groups were conducted with 2-8 participants/group in August-September, 2020. Several themes were identified: 1) importance of public health measures; 2) compliance with public health measures; 3) critiques of public health messaging; and 4) suggestions for improving public health messaging. Physical distancing and masking were seen as more important than using a contact tracing app. There were mixed views around willingness to take COVID-19 vaccine. Current public health messaging was perceived as conflicting. Participants felt that consistent messaging and using social media to reach younger people would be helpful. In conclusion, these findings provide insights that can be used to inform targeted (e.g., by age, current behaviour) public health communications to encourage behaviors that reduce COVID-19 transmission.
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.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| 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 découle