Impact of strategies to mitigate misinformation in diverse settings and populations: a protocol for a living evidence synthesis
Notice bibliographique
Résumé
INTRODUCTION: Misinformation refers to inadvertent misleading information that the public may be exposed and share without intent to cause harm, and can delay or prevent effective care, affect mental health, lead to misallocation of health resources and/or create or exacerbate public-health crises. There are many strategies to address misinformation, but there is a need to evaluate their effects. Our objective is to synthesise and routinely update evidence to assess the impact of strategies to mitigate health-related misinformation in diverse settings, and populations. METHODS AND ANALYSIS: We will search seven databases in May 2023 with planned updates at 6 and 9 months, which will be supplemented with searches for grey literature and reference lists of included studies and contacting experts. Two reviewers will independently screen all search results for studies that evaluate one or more approaches to addressing health-related misinformation. One researcher will conduct data extraction and risk of bias assessments, which will be reviewed by a second reviewer for accuracy. We will include experimental, quasi-experimental and observational studies for any populations, settings and diseases without language or publication restrictions. We will conduct quantitative analysis if meta-analytical pooling is possible. If pooling is not possible, we will synthesise quantitative data according to outcomes and interventions addressed, and present a narrative summary of findings disaggregated by sex and/or gender, irrespective of whether differences were found. ETHICS AND DISSEMINATION: There are no individuals or protected health information involved and no safety issues identified. Results will be published through the Global Commission on Evidence and COVID-END websites, in a peer-reviewed journal, as well as through plain-language materials. PROSPERO REGISTRATION NUMBER: CRD42023421149.
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 | 0,210 | 0,285 |
| Méta-épidémiologie (sens strict) | 0,008 | 0,007 |
| Méta-épidémiologie (sens large) | 0,017 | 0,025 |
| Bibliométrie | 0,016 | 0,015 |
| Études des sciences et des technologies | 0,006 | 0,007 |
| Communication savante | 0,012 | 0,011 |
| Science ouverte | 0,007 | 0,010 |
| Intégrité de la recherche | 0,019 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,091 | 0,023 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».