MétaCan
Menu
Retour à la cohorte
Enregistrement W4283795148 · doi:10.2196/38781

Development of a Theory-Based, Culturally Appropriate Message Library for Use in Interventions to Promote COVID-19 Vaccination Among African Americans: Formative Research

2022· article· en· W4283795148 sur OpenAlexvenueno aff
Jennifer Cunningham‐Erves, Heather M. Brandt, Maureen Sanderson, Kristin Clarkson, Omaran Lee, David G. Schlundt, Kemberlee Bonnet, Jamaine Davis

Notice bibliographique

RevueJMIR Formative Research · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueVaccine Coverage and Hesitancy
Établissements canadiensnon disponible
Organismes subventionnairesCenters for Disease Control and PreventionNational Cancer InstituteU.S. Department of Health and Human ServicesNational Institutes of HealthAustralian GovernmentNational Institute on Minority Health and Health DisparitiesAmerican Lebanese Syrian Associated Charities
Mots-clésPsychological interventionFormative assessmentGeneral partnershipPsychologyMedical educationHealth communicationHealth equityMedicinePublic relationsNursingPublic healthPolitical sciencePedagogy

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Disparities in COVID-19 incidence, hospitalization, and mortality rates among African Americans suggest the need for targeted interventions. Use of targeted, theory-driven messages in behavioral and communication interventions could empower African Americans to engage in behaviors that prevent COVID-19. OBJECTIVE: To address this need, we performed a formative study that aimed to develop and design a culturally appropriate, theory-based library of messages targeting concerns around COVID-19 vaccines that could be used in behavioral and communication interventions for African Americans. METHODS: Message development occurred between January 2021 and February 2022. Initial messages were designed by a multidisciplinary team of researchers, community leaders, and community members. Kreuter's 5 strategies (ie, linguistic, peripheral, evidential, sociocultural, and constituent-involving strategies) were used to achieve cultural appropriateness. After forming a community-academic partnership, message development occurred in 4 phases: (1) adaptation of a message library using the literature, (2) review by 6 clinical and research experts for content validation, (3) input and review by a 6-member community advisory panel (CAP), and (4) message pretesting with African Americans via semistructured interviews in a qualitative study. RESULTS: Themes from the semistructured interviews among 30 African Americans were as follows: (1) community reactions to the messages, (2) community questions and information needs, (3) suggestions for additional content, and (4) suggestions to improve comprehension, relevance, and trustworthiness. Feedback from the CAP, community members, and scientific experts was used by members of the community-academic partnership to iteratively update message content to maximize cultural appropriateness. The final message library had 18 message subsets for adults and 17 message subsets for parents and caregivers of children. These subsets were placed into 3 categories: (1) vaccine development, (2) vaccine safety, and (3) vaccine effectiveness. CONCLUSIONS: We used a 4-phase, systematic process using multiple community engagement approaches to create messages for African Americans to support interventions to improve COVID-19 vaccination rates among adults and children. The newly developed messages were deemed to be culturally appropriate according to experts and members of the African American community. Future research should evaluate the impact of these messages on COVID-19 vaccination rates among African Americans.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,094
score de la tête « metaresearch » (Gemma)0,124
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,094
Score d'incertitude au seuil0,497

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0940,124
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0050,002
Études des sciences et des technologies0,0030,003
Communication savante0,0040,004
Science ouverte0,0030,005
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,142
Tête enseignante GPT0,458
Écart entre enseignants0,316 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative ResearchMême sujetVaccine Coverage and HesitancyTravaux en français237 207