The use of social media platforms by migrant and ethnic minority populations during the COVID-19 pandemic: a systematic review
Notice bibliographique
Résumé
Abstract Objective To determine the extent and nature of social media use in migrant and ethnic minority communities for COVID-19 information, and implications for preventative health measures including vaccination intent and uptake. Design A systematic review of published and grey literature following the Preferred Reporting Items for Systematic Review and Meta-Analyses (PRISMA) guidelines Eligibility Criteria for study selection Global research reporting the use of social media by migrants and/or ethnic minority groups in relation to COVID-19. Data extraction We extracted data on key outcomes, study design, country, population under study, and sample size. Results 1849 unique records were screened, and 21 data sources included in our analysis involving migrant and ethnic minority populations in the UK, US, China, Jordan, Qatar, and Turkey. We found evidence of consistent use of a range of social media platforms for COVID-19 information in some migrant and ethnic minority populations (including WeChat, Facebook, WhatsApp, Instagram, Twitter, YouTube), which may stem from difficulty in accessing COVID-19 information in their native languages or from trusted sources. There were positive and negative associations with social media use reported, with some evidence suggesting circulating misinformation and social media use may be associated with lower participation in preventative health measures, including vaccine intent and uptake, findings of which are likely relevant to multiple population groups. Conclusions Social media platforms are an important source of information about COVID-19 for some migrant and ethnic minority populations. Urgent actions and further research are now needed to better understand the use of social media platforms for accessing health information by different population groups – particularly groups who are marginalised from health systems – effective approaches to tackling circulating misinformation, and to seize on opportunities to make better use of social media platforms to support public health communication and improve vaccine uptake. Registration This study has been registered with PROSPERO (CRD42021259190).
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».