Exploring Online Health Reviews to Monitor COVID-19 Public Health Responses in Alabama State Department of Corrections: Case Example
Notice bibliographique
Résumé
BACKGROUND: COVID-19, caused by SARS-CoV-2, has devastated incarcerated people throughout the United States. OBJECTIVE: The purpose of this study was to test the feasibility and acceptability of a COVID-19 Health Review for Correctional Facilities. METHODS: The COVID-19 Health Review survey for the Department of Corrections was developed in Qualtrics to assess the following: (1) COVID-19 testing, (2) providing personal protective equipment, (3) vaccination procedures, (4) quarantine procedures, (5) COVID-19 mortality rates for inmates, (6) COVID-19 mortality rates for correctional officers and prison staff, (7) COVID-19 infection rates for inmates, (8) COVID-19 infection rates for correctional officers and prison staff, and (9) uptake of COVID-19 vaccines. The estimated time to review the Alabama State Department of Corrections COVID-19 responses on their website and complete the survey items was 45 minutes to 1 hour. RESULTS: Of the 21 participants who completed the COVID-19 Health Review for Correctional Facilities survey, 48% (n=10) identified as female, 43% (n=9) identified as male, and 10% (n=2) identified as transgender. For race, 29% (n=6) self-identified as Black or African American, 24% (n=5) Asian, 24% (n=5) White, 5% (n=1) Pacific Islander or Native Hawaiian, and 19% (n=4) Other. In addition, 5 respondents self-identified as returning citizens. For COVID-19 review questions, the majority concluded that information on personal protective equipment was "poor" and "very poor," information on COVID-19 testing was "fair" and above, information on COVID-19 death/infection rates between inmates and staff was "good" and "very good," and information on vaccinations was "good" and "very good." There was a significant difference observed (P=.03) between nonreturning citizens and returning citizens regarding the health grade review with respect to available information on COVID-19 infection rates. CONCLUSIONS: COVID-19 health reviews may provide an opportunity for the public to review the COVID-19 responses in correctional settings.
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 | 0,013 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».