Determinants of bather hygiene in public swimming pools: a mixed-methods analysis of online discussion comments
Notice bibliographique
Résumé
Swimming in public pools can expose bathers to microbiological (e.g., Cryptosporidium) and chemical (e.g., disinfection by-product) hazards, which can lead to recreational water illness. Adequate hygienic behaviours among bathers are important to reduce these risks. However, prior studies have found low compliance with pre-swim showering and avoidance of urinating in pools. We conducted a mixed-methods analysis of online discussion comments to identify key determinants of these two behaviours. We identified relevant discussion threads on Reddit, Quora, and swimming forums. Identified comments were classified as having a positive or negative sentiment towards the behaviour, and they were thematically analyzed according to the Theoretical Domains Framework (TDF). We analyzed 986 comments from 45 threads; 49.8% of comments were classified as expressing a positive sentiment towards the behaviour. Positive sentiments were more commonly expressed towards pre-swim showering compared to avoidance of urinating in pools (60.1 vs. 47.1%). Eleven themes were identified across the following eight TDF domains: beliefs about consequences (n = 362 comments), social influences (n = 298), beliefs about capabilities (n = 240), social/professional role and identity (n = 144), knowledge (n = 138), emotions (n = 137), reinforcement (n = 78), and environmental context and resources (n = 33). Results can help to inform targeted educational and outreach strategies with bathers to encourage increased adoption of hygienic behaviours.
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 | 0,000 |
| 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 ».