Novel strategies to support global promotion of COVID-19 vaccination
Notice bibliographique
Résumé
In 2021, many countries have begun distribution of COVID-19 vaccines but are hampered by significant levels of vaccine hesitancy or apathy. Experts recommend that standard health communication campaigns be expanded to include a more holistic approach of behaviourally oriented strategies. We constructed a large-scale Delphi panel of marketing and behavioural science university faculty to assess 12 previously reported US vaccination promotion strategies, asking respondents to assess applicability of the strategy in their country, how efficacy might compare to the USA and recommendations for local adaptations necessary to successful implementation. Separately, we sought to determine whether strategies based on cognitive mechanisms (eg, 'nudges') are more readily generalisable than strategies based on social identity. Ninety-two marketing and behavioural science faculty from universities worldwide participated. Globally, all 12 behavioural strategies were validated; a majority of respondents reported that they would or could work well in their country. While all strategies were strongly validated at a global level, specific need for regional adaptation was identified. Also, open-ended responses suggested the addition of three emergent strategies to a global effort. Finally, we see that strategies based on some types of cognitive mechanisms are more readily generalisable across regions than mechanisms based on social identity, however, this is not always true of 'nudge' strategies. All 12 strategies are robust to global use and consensus exists on adaptation for optimal efficacy in different regions; specific strategy recommendations are posited. Use of these strategies can accelerate individual country efforts to achieve desired vaccination rates to protect global public health.
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 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 | 0,001 | 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».