MétaCan
Menu
← Retour à la cohorte
Enregistrement W4384010302 · doi:10.2196/43720

The Use of Travel as an Appeal to Motivate Millennial Parents on Facebook to Get Vaccinated Against COVID-19: Message Framing Evaluation

2023· article· en· W4384010302 sur OpenAlexvenueno aff
Suraj Arshanapally, Tiearra Starr, Lauren Blackmun Elsberry, Robin Rinker

Notice bibliographique

RevueJMIR Formative Research · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueVaccine Coverage and Hesitancy
Établissements canadiensnon disponible
Organismes subventionnairesCenters for Disease Control and Prevention
Mots-clésAppealSocial mediaPopulationPublic healthAdvertisingCoronavirus disease 2019 (COVID-19)Framing (construction)PsychologyMedicineDiseasePolitical scienceBusinessNursingInfectious disease (medical specialty)GeographyEnvironmental health

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: In summer 2021, the Centers for Disease Control and Prevention recommended that people get fully vaccinated against COVID-19 before fall travel to protect themselves and others from getting and spreading COVID-19 and new variants. Only 61% of parents had reported receiving at least 1 dose of the COVID-19 vaccine, according to a Kaiser Family Foundation study. Millennial parents, ages 25 to 40 years, were a particularly important parent population because they were likely to have children aged 12 years or younger (the age cutoff for COVID-19 vaccine eligibility during this time period) and were still planning to travel. Since Facebook has been identified as a popular platform for millennials and parents, the Centers for Disease Control and Prevention's Travelers' Health Branch determined an evaluation of public health messages was needed to identify which message appeals would resonate best with this population on Facebook. OBJECTIVE: The objective was to evaluate which travel-based public health message appeals aimed at addressing parental concerns and sentiments about COVID-19 vaccination would resonate most with Millennial parents (25 to 40 years old) using Facebook Ads Manager and social media metrics. METHODS: Six travel-based public health message appeals on parental concerns and sentiments around COVID-19 were developed and disseminated to millennial parents using Facebook Ads Manager. The messages ran from October 23, 2021, to November 8, 2021. Primary outcomes included the number of people reached and the number of impressions delivered. Secondary outcomes included engagements, clicks, click-through rate, and audience sentiments. A thematic analysis was conducted to analyze comments. The advertisement budget was evaluated by cost-per-mille and cost-per-click metrics. RESULTS: All messages reached a total of 6,619,882 people and garnered 7,748,375 impressions. The Family (n=3,572,140 people reached, 53.96%; 4,515,836 impressions, 58.28%) and Return to normalcy (n=1,639,476 people reached, 24.77%; 1,754,227 impressions, 22.64%) message appeals reached the greatest number of people and garnered the most impressions out of all 6 message appeals. The Family message appeal received 3255 engagements (60.46%), and the Return to normalcy message appeal received 1148 engagements (21.28%). The Family appeal also received the highest number of positive post reactions (n=82, 28.37%). Most of the comments portrayed negative opinions about COVID-19 vaccination (n=46, 68.66%). All 6 message appeals were either on par with or outperformed cost-per-mille benchmarks set by other similar public health campaigns. CONCLUSIONS: Health communicators can use travel, specifically the Family and Return to normalcy message appeals, to successfully reach parents in their future COVID-19 vaccination campaigns and potentially inform health communication messaging efforts for other vaccine-preventable infectious disease campaigns. Public health programs can also utilize the lessons learned from this evaluation to communicate important COVID-19 information to their parent populations through travel messaging.

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 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)0,006
score de la tête « metaresearch » (Gemma)0,019
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,019
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,198
Tête enseignante GPT0,483
Écart entre enseignants0,285 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative Research→Même sujetVaccine Coverage and Hesitancy→Travaux en français237 207→