Is social media, as a main source of information on COVID-19, associated with perceived effectiveness of face mask use? Findings from six sub-Saharan African countries
Notice bibliographique
Résumé
BACKGROUND: The use of face masks as a public health approach to limit the spread of coronavirus disease 2019 (COVID-19) has been the subject of debate. One major concern has been the spread of misinformation via social media channels about the implications of the use of face masks. We assessed the association between social media as the main COVID-19 information source and perceived effectiveness of face mask use. METHODS: In this survey in six sub-Saharan African countries (Botswana, Kenya, Malawi, Nigeria, Zambia and Zimbabwe), respondents were asked how much they agreed that face masks are effective in limiting COVID-19. Responses were dichotomised as 'agree' and 'does not agree'. Respondents also indicated their main information source including social media, television, newspapers, etc. We assessed perceived effectiveness of face masks, and used multivariable logistic models to estimate the association between social media use and perceived effectiveness of face mask use. Propensity score (PS) matched analysis was used to assess the robustness of the main study findings. RESULTS: Among 1988 respondents, 1169 (58.8%) used social media as their main source of information, while 1689 (85.0%) agreed that face masks were effective against COVID-19. In crude analysis, respondents who used social media were more likely to agree that face masks were effective compared with those who did not [odds ratio (OR) 1.29, 95% confidence interval (CI): 1.01-1.65]. This association remained significant when adjusted for age, sex, country, level of education, confidence in government response, attitude towards COVID-19 and alternative main sources of information on COVID-19 (OR 1.33, 95%CI: 1.01-1.77). Findings were also similar in the PS-matched analysis. CONCLUSION: Social media remains a viable risk communication channel during the COVID-19 pandemic in sub-Saharan Africa. Despite concerns about misinformation, social media may be associated with favourable perception of the effectiveness of face masks.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».