Developing an FASD Health Promotion Social Media Campaign Using Community-Based Participatory Peer Review: Notes From Atlantic Canada
Notice bibliographique
Résumé
Introduction: Health promotion awareness activities by health agencies, such as those by the Public Health Agency of Canada, aim to increase health literacy, often using social media campaigns to reach large audiences. Objectives: The objective of this research was to explore how community peer-reviewed social media content can facilitate the reach of health promotion campaigns, with specific regard to awareness around fetal alcohol spectrum disorder (FASD), alcohol, and pregnancy in Atlantic Canada. Methods: We developed a health promotion social media campaign consisting of 16 digital posters, then implemented a community-based participatory peer-review process to request input and feedback from individuals with lived experiences, caregivers, professionals who work with individuals with FASD, and various advocates for FASD throughout Atlantic Canada. Reviewer comments were then directly applied to update poster content, which was redistributed for secondary approval before circulation on Facebook and Instagram. Results: Reviewer feedback was constructive, with various suggestions for updates being applied to images and text choices. Once posted, the health promotion campaign was well received and reached over half a million viewers across the two platforms in the first three months. Engagement and interactions were overall positive, with minimal negative responses and only one post flagged by the platform as a social issue advertisement. Discussion/Conclusion: With the inclusion of diverse voices from the FASD community in the co-creation of the content, we argue that the campaign’s style, messaging, and language more accurately reflected the intended audiences and was made accessible to a wider demographic, thus strengthening awareness and prevention messages. We explore a health promotion social media campaign development process, providing valuable examples of how to encourage and create more safe spaces that promote open conversations about health and gradually dismantle outdated ideas and systems so we can begin addressing stigma by delivering accurate, non-judgmental health information.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».