Engaging Community-Based Organizations to Address Barriers in Public Health Programs: Lessons Learned From COVID-19 Vaccine Acceptance Programs in Diverse Rural Communities
Notice bibliographique
Résumé
Factors such as geography, community hesitancy, the political landscape, and legislative efforts to limit public health authority have contributed to a disproportionate number of COVID-19 infections and deaths in US rural communities. Community-based organizations are trusted entities that provide social and educational services in the communities where they live and have proven to be effective public health partners in response to the COVID-19 pandemic. Recognizing the unique challenges faced by rural communities, coupled with higher rates of vaccine hesitancy, the CDC Foundation awarded grants to 21 community-based organizations serving rural communities in 7 Midwest states to support the equitable uptake and distribution of COVID-19 vaccines. In this case study, 2 grantees, the Missouri Center for Public Health Excellence and the Hmong American Center, provide case studies that document their experiences, challenges, and strategies for overcoming barriers during the implementation of COVID-19 vaccine acceptance projects in diverse rural communities. These case studies provide key lessons learned that can be applied to future public health emergency and nonemergency responses to ensure that all members of communities are served well and protected.
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 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 | 0,036 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,013 | 0,007 |
| Communication savante | 0,006 | 0,008 |
| Science ouverte | 0,005 | 0,014 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
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 validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».