MétaCan
Menu
Retour à la cohorte
Enregistrement W4386237544 · doi:10.32598/jrh.13.5.2163.1

The Associations Between Sources of Vaccine News and the Intention to Change Adherence to COVID-19 Preventive Health Measures

2023· article· en· W4386237544 sur OpenAlexaff
Zahra Ganji, Amirmohammad Ahmadzadeh, Shahabeddin Abhari, Maysam Rezapour

Notice bibliographique

RevueJournal of Research and Health · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueVaccine Coverage and Hesitancy
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesMazandaran University of Medical Sciences
Mots-clésCoronavirus disease 2019 (COVID-19)Social mediaMass mediaAssociation (psychology)PopulationSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Public healthCross-sectional studyPsychologyMedicineComputer-assisted web interviewing2019-20 coronavirus outbreakFamily medicineAdvertisingEnvironmental healthBusinessNursingComputer scienceVirologyWorld Wide WebDisease

Résumé

récupéré en direct d'OpenAlex

Background: Although the scientific literature has extensively discussed the impact of the media on people’s health-related behaviors, there is little evidence of the effect of different sources of COVID-19 vaccine news on changing the intention to adhere to health protocols. Therefore, the present study was conducted to investigate the sources of news on the COVID-19 vaccine and the association of each of these sources with the intention of changing adherence to COVID-19 preventive health measures (ICA-COVID-19-PHM). Methods: This cross-sectional study was conducted on 1000 public population (67.4% female and 32.6% male) of Mazandaran province (age range: 18 to 60 years). The data were collected between January and April 2021 by completing an unidentified online “Google form” questionnaire via social media platforms, such as Telegram, WhatsApp, Soroush, ETA, and Instagram. The two-level linear regression analysis was used to examine the association between the sources of news on the COVID-19 vaccine and the ICA-COVID-19-PHM (social and personal aspects). Results: The most common sources of receiving news were mass media (radio and television with 54%) and virtual networks with 49%. The results showed the ICA-COVID-19-PHM for the news source via virtual workgroups was positive (B=1.36; 95% CI, 0.31%, 2.41%; P=0.01) and for the news sources via virtual networks (B=-0.83; 95% CI, -1.62%, -0.05%; P=0.04) and satellites and foreign news agencies (B=-1.50; 95% CI, -2.64%, -0.36%; P=0.01) was negative. While, the ICA-COVID-19-PHM was not significant (P>0.05) for other sources, such as groups of friends and neighbors, newspapers and magazines, radio and television, and news websites. Conclusion: The management of news sources in epidemics is important because they have associations with adherence to preventive health measures. Policymakers should consider the distribution of vaccine news sources on the ICA-COVID-19-PHM.

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)0,001
score de la tête « metaresearch » (Gemma)0,011
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,361
Tête enseignante GPT0,533
Écart entre enseignants0,172 · 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 revueJournal of Research and HealthMême sujetVaccine Coverage and HesitancyTravaux en français237 207