Challenges and recommendations for COVID-19 public health messaging: a Canada-wide qualitative study using virtual focus groups
Notice bibliographique
Résumé
OBJECTIVES: To understand Canadian's attitudes and current behaviours towards COVID-19 public health measures (PHM), vaccination and current public health messaging, to provide recommendations for a public health intervention. DESIGN: Ten focus groups were conducted with 2-7 participants/group in December 2020. Focus groups were transcribed verbatim and analysed using content and inductive thematic analysis. The capability opportunity motivation behaviour Model was used as our conceptual framework. SETTING: Focus groups were conducted virtually across Canada. PARTICIPANTS: Participants were recruited from a pool of individuals who previously completed a Canada-wide survey conducted by our research team. MAIN OUTCOME MEASURE: Key barriers and facilitators towards COVID-19 PHM and vaccination, and recommendations for public health messaging. RESULTS: Several themes were identified (1) participants' desire to protect family and friends was the main facilitator for adhering to PHM, while the main barrier was inconsistent PHM messaging and (2) participants were optimistic that the vaccine offers a return to normal, however, worries of vaccine efficacy and effectiveness were the main concerns. Participants felt that current public health messaging is inconsistent, lacks transparency and suggested that messaging should include scientific data presented by a trustworthy source. CONCLUSIONS: ) openly address any unknowns, (3) more is better when sharing data, (4) use personalised stories to reinforce PHM and vaccinations, (5) humanise the message by calling out contradictions and (6) focus on the data and keep politics out.
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 | 0,015 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,018 | 0,006 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».