Training university students as vaccination champions to promote vaccination in their multiple identities and help address vaccine hesitancy
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
Introduction: Covid-19 related vaccine hesitancy is a major problem worldwide and it risks delaying the global effort to control the pandemic. Covid-19 vaccine hesitancy is also higher in certain communities. Given that prescriber recommendation and community engagement are two effective ways of addressing vaccine hesitancy, training university students to become vaccination champions could be a way of addressing hesitancy, as the champions engage with their communities in their multiple identities. Aim: This study aims to assess the impact of a pilot project conducted in the UCL School of Pharmacy that could pave a way of integrating vaccination championing in the pharmacy undergraduate curriculum to address vaccine hesitancy. Method: Participants completed a pre-workshop questionnaire, attended an online workshop, conducted vaccination-promoting action/s, and provided evidence via a post-workshop questionnaire. Result: Fifty three students completed the course. The students’ vaccination-promoting actions ranged from speaking with vaccine-hesitant family, friends and customers in the pharmacy, to posting on various social media platforms. Post-workshop showed an increase in the knowledge of participants regarding vaccination and a decrease in the belief of vaccine misconceptions. After attending the workshop, participants were more likely to engage with vaccine-hesitant friends, family, strangers and patients. They were also more likely to receive the Covid-19 vaccine for them and for their children.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,001 | 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