MétaCan
Menu
Retour à la cohorte
Enregistrement W4380291558 · doi:10.3928/24748307-20230523-01

Preferred Information Source Correlates to COVID-19 Risk Misperception

2023· article· en· W4380291558 sur OpenAlexfundno aff
Emilia V. Ezrina, Huamei Dong, Ray Block, Robert P. Lennon

Notice bibliographique

RevueHLRP Health Literacy Research and Practice · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMisinformation and Its Impacts
Établissements canadiensnon disponible
Organismes subventionnairesDepartment of Family and Community Medicine, University of TorontoHuck Institutes of the Life Sciences
Mots-clésSnowball samplingRisk perceptionPublic healthCoronavirus disease 2019 (COVID-19)HarmEnvironmental healthSample (material)Risk assessmentContingency planGovernment (linguistics)MedicinePsychologyPerceptionDiseaseSocial psychologyComputer scienceNursingComputer security

Résumé

récupéré en direct d'OpenAlex

Inaccurate perceptions of COVID-19 (coronavirus disease 2019) risk may decrease compliance with public health mitigation practices, in turn increasing disease burden. The extent to which public perceptions of COVID-19 risk are inaccurate is not well studied. This study investigates the relationship between preferred information sources and inaccurate COVID-19 risk perception. A cross-sectional online survey of adults in the United States using online snowball techniques was administered between April 9, 2020 and July 12, 2020. Raking techniques were used to generate a representative U.S. sample from 10,650 respondents. Respondents who did not provide an answer to key questions were excluded. The remaining sample included 1,785 health care workers (HCW) and 4,843 non-HCW. Subjective risk was measured as the product of perceived likelihood of COVID-19 infection and perceived harm from infection. Objective risk was measured as a function of the presence of known COVID-19 risk factors. Discrepancies between subjective and objective risk were compared between respondents with different preferred information sources. Chi Square contingency tables and pair-wise correlation were used to evaluate differences to 95% confidence. For HCW and non-HCW, the greatest overestimation of personal COVID-19 risk assessment ( p < .05 for all differences) were found in those whose preferred source of information was social media (HCW: 62.1%; non-HCW: 64.5%), followed by internet news sources (HCW: 59.6%, non-HCW%: 59.1%), government websites (HCW: 54%, non-H CW = 51.8%), other sources (HCW: 50.7%, non-H CW = 51.4%), and television news (HCW: 46.1%, non-HCW: 47.6%). Preferred information sources correlate with inaccuracies in personal COVID-19 risk assessment. Public health information campaigns should consider targeting groups whose preferred information sources correlate to higher inaccuracies in COVID-19 risk perceptions. [ HLRP: Health Literacy Research and Practice . 2023;7(2):e105–e110. ]

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)0,017
score de la tête « metaresearch » (Gemma)0,046
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,683
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0170,046
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0030,000
Communication savante0,0010,006
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,003

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 Opus0,226
Tête enseignante GPT0,566
Écart entre enseignants0,340 · 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'étudeSans objet
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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHLRP Health Literacy Research and PracticeMême sujetMisinformation and Its ImpactsTravaux en français237 207