MétaCan
Menu
Retour à la cohorte
Enregistrement W4310478626 · doi:10.2196/preprints.38323

Ontarians’ Perceptions of Public Health Communications and Misinformation During the COVID-19 Pandemic: Survey Study (Preprint)

2022· preprint· en· W4310478626 sur OpenAlexaffabout
Christine Fahim, Jeanette Cooper, Suvabna Theivendrampillai, Ba’ Pham, Sharon E. Straus

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueMisinformation and Its Impacts
Établissements canadiensSt. Michael's Hospital
Organismes subventionnairesnon disponible
Mots-clésMisinformationPublic healthDescriptive statisticsPandemicPopulationLikert scaleHealth Information National Trends SurveySocial mediaMedicineDemographyPsychologyFamily medicineCoronavirus disease 2019 (COVID-19)Political scienceEnvironmental healthHealth careHealth informationNursingSociologyStatistics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND Clear, accurate, and transparent risk communication is critical to providing policy makers and the public with directions to effectively implement public health strategies during a health emergency. OBJECTIVE We aimed to explore the public’s preferred sources of obtaining COVID-19 information, perceptions on the prevalence and drivers of misinformation during the pandemic, and suggestions to optimize health communications during future public health emergencies. METHODS We administered a web-based survey that included Likert scale, multiple choice and open-ended response questions to residents of Ontario, Canada. We aimed to recruit a sample that reflected population diversity with respect to age and gender. Data were collected between June 10, 2020, and December 31, 2020, and were analyzed using descriptive statistics; open-ended data were analyzed using content analysis. Subgroup analyses to explore perceptions by age and gender were conducted using ordinal regression. RESULTS A total of 1823 individuals participated in the survey (n=990, 54% women; n=703, 39% men; n=982, 54% aged 18-40 years; n=518, 28% aged 41-60 years; and n=215, 12% aged ≥61 years). Participants most commonly obtained COVID-19 information from local television news (n=1118, 61%) followed by social media (n=938, 51%), national or international television news (n=888, 49%), and friends and family (n=835, 46%). Approximately 55% (n=1010) of the participants believed they had encountered COVID-19–related misinformation; 70% (n=1284) of the participants reported high levels of trust in health authority websites and health care providers; 66% (n=1211) reported high levels of trust in health ministers or public health organizations. Sources perceived to be less trustworthy included friends and family, talk radio, social media, as well as blogs and opinion websites. Men were more likely to report encountering misinformation and to trust friends or family (odds ratio [OR] 1.49, 95% CI 1.24-1.79) and blogs or opinion websites (OR 1.24, 95% CI 1.03-1.50), compared to women. Compared to those aged 18-40 years, participants aged ≥41years were more likely to trust all assessed information sources, with the exception of web-based media sources, and less likely to report encountering misinformation. Of those surveyed, 58% (n=1053) had challenges identifying or appraising COVID-19 information. CONCLUSIONS Over half of our participants perceived that they had encountered COVID-19 misinformation, and 58% had challenges identifying or appraising COVID-19 information. Gender and age differences in perceptions of misinformation and trust in information sources were observed. Future research to confirm the validity of these perceptions and to explore information-seeking patterns by population subgroups may provide useful insights on how to optimize health communication during public health emergencies.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaaucune catégorie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: oui
Observationnellow
gptaucune catégorie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: oui
Observationnelhigh
modèles en accordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

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)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,388
Score d'incertitude au seuil0,780

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0030,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,322
Tête enseignante GPT0,452
Écart entre enseignants0,130 · 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

Étiqueté directement par 2 modèles lisant le dossier complet.

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

Citations1
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetMisinformation and Its ImpactsTravaux en français237 207