Tough Talks COVID-19 Digital Health Intervention for Vaccine Hesitancy Among Black Young Adults: Protocol for a Hybrid Type 1 Effectiveness Implementation Randomized Controlled Trial
Notice bibliographique
Résumé
BACKGROUND: Interventions for increasing the uptake of COVID-19 vaccination among Black young adults are central to ending the pandemic. Black young adults experience harms from structural forces, such as racism and stigma, that reduce receptivity to traditional public health messaging due to skepticism and distrust. As such, Black young adults continue to represent a priority population on which to focus efforts for promoting COVID-19 vaccine uptake. OBJECTIVE: In aims 1 and 2, the Tough Talks digital health intervention for HIV disclosure will be adapted to address COVID-19 vaccine hesitancy and tailored to the experiences of Black young adults in the southern United States (Tough Talks for COVID-19). In aim 3, the newly adapted Tough Talks for COVID-19 digital health intervention will be tested across the following three southern states: Alabama, Georgia, and North Carolina. METHODS: Our innovative digital health intervention study will include qualitative and quantitative assessments. A unique combination of methodological techniques, including web-based surveys, choose-your-own-adventures, digital storytelling, user acceptability testing, and community-based participatory approaches, will culminate in a 2-arm hybrid type 1 effectiveness implementation randomized controlled trial, wherein participants will be randomized to the Tough Talks for COVID-19 intervention arm or a standard-of-care control condition (N=360). Logistic regression will be used to determine the effect of the treatment arm on the probability of vaccination uptake (primary COVID-19 vaccine series or recommended boosters). Concurrently, the inner and outer contexts of implementation will be ascertained and catalogued to inform future scale-up. Florida State University's institutional review board approved the study (STUDY00003617). RESULTS: Our study was funded at the end of April 2021. Aim 1 data collection concluded in early 2022. The entire study is expected to conclude in January 2025. CONCLUSIONS: If effective, our digital health intervention will be poised for broad, rapid dissemination to reduce COVID-19 mortality among unvaccinated Black young adults in the southern United States. Our findings will have the potential to inform efforts that seek to address medical mistrust through participatory approaches. The lessons learned from the conduct of our study could be instrumental in improving health care engagement among Black young adults for several critical areas that disproportionately harm this community, such as tobacco control and diabetes prevention. TRIAL REGISTRATION: ClinicalTrials.gov NCT05490329; https://clinicaltrials.gov/ct2/show/NCT05490329. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): DERR1-10.2196/41240.
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.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Protocole Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Essai randomisé | high |
| gpt | aucune catégorie Domaine: non disponible · Genre: Protocole Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Essai randomisé | high |
Prédiction machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,034 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,004 |
| Méta-épidémiologie (sens large) | 0,009 | 0,006 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,004 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,008 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,095 | 0,013 |
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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».