#PGADFacts: Results from a 12-month knowledge translation campaign on persistent genital arousal disorder/genito-pelvic dysesthesia (PGAD/GPD)
Notice bibliographique
Résumé
Persistent genital arousal disorder/genito-pelvic dysesthesia (PGAD/GPD) is a distressing condition characterized by unwanted, persistent sensations of genital arousal that occur in the absence of corresponding subjective sexual arousal or desire. PGAD/GPD is associated with significant negative impacts on psychosocial well-being and daily functioning; however, PGAD/GPD remains largely unknown by both healthcare providers and the general public. This lack of awareness is a barrier to receiving healthcare and may lead to greater stigma associated with the condition. This project sought to develop and evaluate an empirically informed 12-month social media-based knowledge translation campaign on PGAD/GPD, titled #PGADFacts. One research-supported fact about PGAD/GPD was posted weekly to three social media platforms from November 2019 to December 2020. Social media analytics indicated that the campaign had significant reach (111,587 total views across platforms). An anonymous online feedback survey indicated that respondents who had seen the campaign reported greater knowledge about PGAD/GPD as compared to those who had not seen it. Responses also indicated high acceptance and appropriateness. Adoption rates (e.g., sharing information learned on or off social media), however, were low with negative emotions (e.g., embarrassment) being a common barrier. Results indicated that the #PGADFacts campaign was successful, however, additional strategies (e.g., paid ads, partnerships with influencers) may increase adoption and reach a broader audience. Greater awareness of PGAD/GPD is needed to increase recognition of the condition and access to care as well as to reduce associated stigma.
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 | 0,001 | 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 | 0,002 | 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) | 0,001 | 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 ».