Implications of social media misinformation on COVID-19 vaccine confidence among pregnant women in Africa
Notice bibliographique
Résumé
It has been over a year since the World Health Organization (WHO) declared the outbreak of COVID-19 as a Public Health Emergency of International Concern and subsequently a global pandemic. The world has experienced a lot of uncertainty since then as we all get used to this new 'normal' with social distancing measures, lockdowns, the emergence of new variants, and an array of hope with the development of vaccines. Having an abstract understanding of vaccine delivery, public perceptions of vaccines, and promoting acceptance of vaccines are critical to tackling the pandemic. The advent of the pandemic has led to the emergence of an 'infodemic' or rampant misinformation surrounding the virus, treatment, and vaccines. This poses a critical threat to global health as it has the potential to lead to a public health crisis by exacerbating disease spread and overwhelming healthcare systems. This 'infodemic' has led to rising vaccine hesitancy which is of paramount concern with the WHO even identifying it as one of the ten main threats to Global health almost 2 years before the approval of COVID-19 vaccines. Pregnant African women are one of the most vulnerable population groups in a region with an already burdened healthcare system. Currently, there isn't ample research in the literature that explores vaccine hesitancy in this subpopulation and the impact of social media misinformation surrounding it. The aim of this paper is to highlight the implications of this 'infodemic' on the pregnant African population and suggest key recommendations for improved healthcare strategies.
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 | 0,016 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 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 ».