Testing delay in an environment of low COVID-19 prevalence: A qualitative study of testing behaviour amongst symptomatic South Australians
Notice bibliographique
Résumé
South Australia has to date (October 2021) been highly successful in maintaining an aggressive suppression strategy for the management of the COVID-19 pandemic. However, continued success of this strategy is dependent on ongoing testing by people with symptoms of COVID-19 to identify, trace and quarantine emergent cases as soon as possible. This study sought to explore community members’ decisions about having COVID-19 testing in an environment of low prevalence, specifically exploring their decision-making related to symptoms. This study drew on a qualitative case study design, involving five focus groups, conducted in May 2021, with 29 individuals who had experienced COVID-19-like symptoms since the commencement of testing in South Australia. Participants detailed their last COVID-19-like illness episode and described their decision-making regarding testing. Data collection methods and analysis were theoretically informed by the capability, opportunity, and motivation behaviour (COM-B) model. Participants' belief that COVID-19 symptoms would be ‘unusual’, severe, and persistent caused them to either reject or delay testing. Participants generally employed ‘watch and wait’ and social distancing behaviour rather than timely presentation to testing. Concern about economic loss associated with isolating after testing, and the potential for illness transmission at testing centres further prevented testing for some participants. In a low COVID-19 prevalence environment, individuals rely on pre-existing strategies for interpreting and managing personal illness (such as delaying help seeking if symptoms are mild), which generally conflict with public health management advice about COVID-19. In low prevalence environments therefore public health authorities must give the public a reason to test beyond considerations of personal risk, and clearly communicate the need for ongoing COVID-19 surveillance despite the low prevalence environment.
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 | 0,009 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,009 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».