Covid-19 research evidence: An international survey exploring views on useful sources, preferred formats, and accessibility
Notice bibliographique
Résumé
INTRODUCTION: In a pandemic, stakeholders such as policy makers, clinicians, patients, and the public need access to high-quality, timely, relevant research evidence in a format that is understandable and applicable. OBJECTIVES: An online survey was used to determine where a global audience finds research evidence about COVID-19 and how they prefer to keep up to date. METHODS AND MATERIALS: We conducted an online survey of people interested in research in English and Spanish. We used a convenience sample of people visiting websites and social media accounts of Cochrane, an international organisation that collates systematic reviews of research. RESULTS: 831 people with various roles and locations responded over a short period with little active promotion. Healthcare professionals, members of the public, and policy influencers wanted research evidence to inform decisions about COVID-19. More than half found research evidence from government websites (52%), international organisations (57%), journals (56%), and evidence collation organisations (60%) useful. People wanted research evidence about COVID-19 formats such as lay summaries (60%), online systematic reviews (60%), short summaries with commentaries (51%), and visual summaries (48%). People preferred to be kept up to date about COVID-19 research via email updates and newsletters, tailored to people’s interests (34%), traditional media (13%) and social media (12%). CONCLUSIONS: It was feasible to collect feedback rapidly using a simple online survey. Websites from official organisations were key sources of COVID-19 research evidence. More research is needed on how best to provide evidence that is easy to access and understand.
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 | 0,029 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».