MétaCan
Menu
Retour à la cohorte
Enregistrement W4367313434 · doi:10.1186/s12889-023-15659-y

Canadian public perceptions and experiences with information during the COVID-19 pandemic: strategies to optimize future risk communications

2023· article· en· W4367313434 sur OpenAlexafffundabout
Suvabna Theivendrampillai, Jeanette Cooper, Taehoon Lee, Michelle Wai Ki Lau, Christine Marquez, Sharon E. Straus, Christine Fahim

Notice bibliographique

RevueBMC Public Health · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMisinformation and Its Impacts
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMisinformationThematic analysisPublic healthMedicinePandemicHealth communicationSocial mediaGovernment (linguistics)Qualitative researchPublic relationsMedical educationFamily medicineNursingCoronavirus disease 2019 (COVID-19)Political scienceSociology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The COVID-19 pandemic accelerated the spread of misinformation worldwide. The purpose of this study was to explore perceptions of misinformation and preferred sources of obtaining COVID-19 information from those living in Canada. In particular, we sought to explore the perceptions of East Asian individuals in Canada, who experienced stigma related to COVID-19 messaging. METHODS: We conducted a qualitative thematic analysis study. Interviews were offered in English, Mandarin and Cantonese. Interviewers probed for domains related to knowledge about COVID-19, preferred sources of information, perceived barriers and facilitators of misinformation, and preferences for communication during a health emergency. Interviews were recorded, translated, transcribed verbatim and analyzed using a framework approach. Transcripts were independently double-coded until > 60% agreement was reached. This study received research ethics approval. RESULTS: Fifty-five interviews were conducted. The majority of participants were women (67%); median age was 52 years. 55% of participants were of East-Asian descent. Participants obtained information about COVID-19 from diverse English and non-English sources including news media, government agencies or representatives, social media, and personal networks. Challenges to seeking and understanding information included: encountering misinformation, making sense of evolving or conflicting public health guidance, and limited information on topics of interest. 65% of participants reported encountering COVID-19 misinformation. East Asian participants called on government officials to champion messaging to reduce stigmatizing and racist rhetoric and highlighted the importance of having accessible, non-English language information sources. Participants provided recommendations for future public health communications guidance during health emergencies, including preferences for message content, information messengers, dissemination platforms and format of messages. Almost all participants preferred receiving information from the Canadian government and found it helpful to utilize various mediums and platforms such as social media and news media for future risk communication, urging for consistency across all platforms. CONCLUSIONS: We provide insights on Canadian experiences navigating COVID-19 information, where more than half perceived encountering misinformation on platforms when seeking COVID-19 information . We provide recommendations to inform public health communications during future 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

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,664
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0050,000
Communication savante0,0010,003
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,113
Tête enseignante GPT0,388
Écart entre enseignants0,275 · 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

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeQualitatif
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

Citations19
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC Public HealthMême sujetMisinformation and Its ImpactsTravaux en français237 207