Characterization of community-based donation of personal protective equipment to an academic health center during the COVID-19 pandemic
Notice bibliographique
Résumé
Objective: The novel coronavirus 2019 (COVID-19) pandemic led to a shortage of personal protective equipment (PPE) early in the pandemic. Healthcare systems asked for public donations of PPE and established community drop-off sites. Herein, we aim to profile community PPE donors at one large academic medical center including evaluation of donor industry, public messaging, and psychosocial aspects of donation.Methods: A survey was created and distributed to donors at two urban PPE drop-off sites between March and April 2020. Targeted donors and drop-off sites were located in the Twin Cities metropolitan area (approximate population of 3.5 million people).Results: A total of 486 surveys were completed. Nearly half (47.3%) of PPE donated was initially intended for personal use. Donors primarily learned of PPE collection efforts through word of mouth (23.2%) and social media (22.7%). The most frequently reported barrier to donation included distance between donors and drop off sites or location (27.8%). Donors rated the severity of the PPE shortage in the state as a 7.8 ± 1.7 out of 10. There was a slight correlation between donors assessment of COVID-19 severity and feeling that their donation was a meaningful contribution against COVID-19 (r = 0.21, p = .00).Conclusions: Future community collection campaigns during widespread disasters should prioritize mobilizing privately held goods from individuals rather than small businesses. Public messaging around donation should utilize simple narratives that are easily shareable via social media and evoke donation as a means of building community.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».