Identifying Health Equity Factors That Influence the Public’s Perception of COVID-19 Health Information and Recommendations: A Scoping Review
Notice bibliographique
Résumé
The COVID-19 pandemic has impacted global public health and public trust in health recommendations. Trust in health information may waver in the context of health inequities. The objective of this scoping review is to map evidence on public perceptions of COVID-19 prevention information using the PROGRESS-Plus health equity framework. We systematically searched the MEDLINE, Cochrane Central Register of Controlled Trials, PsycInfo, and Embase databases from January 2020 to July 2021. We identified 792 citations and 31 studies published in 15 countries that met all inclusion criteria. The majority (30/31; 96.7%) of the studies used an observational design (74.2% cross-sectional, 16.1% cohort, 6.5% case study, 3.2% experimental trials). Most studies (61.3%) reported on perception, understanding, and uptake, and 35.5% reported on engagement, compliance, and adherence to COVID-19 measures. The most frequently reported sources of COVID-related information were social media, TV, news (newspapers/news websites), and government sources. We identified five important equity factors related to public trust and uptake of recommendations: education and health literacy (19 studies; 61.3%), gender (15 studies; 48.4%), age (15 studies; 48.4%), socioeconomic status (11 studies; 35.5%), and place of residence (10 studies; 32.3%). Our review suggests that equity factors play a role in public perception of COVID-19 information and recommendations. A future systematic review could be conducted to estimate the impact of equity factors on perception and behavior outcomes.
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 | 0,028 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».