Infodemic, social contagion and the public health response to COVID-19: insights and lessons from Nigeria
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
Background The expansion of the internet and social media platforms have spurred an online infodemic, which has surged towards alarming proportions across the globe. The online infodemic trend has been particularly felt in Nigeria in the area of health information and communication throughout the recurring public health emergencies of the current decade. The outbreak of the ongoing COVID-19 (SARS-CoV-2) pandemic in March 2020 reaffirms the biggest threat of infodemic across online platforms against containment efforts and responses in Nigeria.Methods This study reflects on infodemic trends related to COVID-19 in light of previous zoonotic viral diseases in Nigeria (e.g. Ebola, Lassa, and Monkeypox). Relevant published research and gray literature on zoonotic diseases and communication responses are reviewed.Results Drawing lessons and insights from previous zoonotic viral diseases in Nigeria, we show the extent to which online infodemic hampers public health responses to the COVID-19 pandemic. The theory of social contagion, which describes the fear and panic that emerge during disease outbreaks, is deployed to deepen understanding of how online infodemic pose threats during health emergencies.Conclusion We argue that Nigeria and other countries affected by disease outbreaks would thrive better by proactive inclusion and management of online communication channels in addition to coordinated clinical (prophylactic or therapeutic) models.
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 | 0,005 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 découle