Evidence-based infographics and visual communication as powerful tools to improve health outcomes
Notice bibliographique
Résumé
Abstract Background Anemia can double the risk of death in pregnancy, with women in developing countries being the most at risk. Adherence to an iron supplementation regimen can markedly improve overall health outcomes for those who are affected by iron deficiency anemia. Still, most adherence-boosting programs require significant counseling time with a primary care provider, a resource that is becoming increasingly scarce. In our review of the literature, we explored infographics and other visual science communication tools for their ability to improve medication adherence, with a special focus on low literacy populations in the developing world. With the results of this review being favourable, we conducted a subsequent literature search on factors that can amplify the useful effect of infographics. Methods We conducted a literature search on PubMed, Ovid MEDLINE, CINAHL, Web of Science, and PsycInfo to identify literature on effective visual science communication techniques. Techniques from the literature were then compiled and sorted into the categories of “DOs” or “DON’Ts” of developing impactful infographics. These guidelines were then utilized to develop an infographic depicting an iron supplementation regimen for pregnant women. Results 27 recommendations on developing effective and impactful infographics were identified from the literature. These included, but were not limited to, the following: utilize accompanying text that is understandable at a low literacy level to prevent misinterpretation of the message depicted through pictogram(s), and use a culturally-sensitive lens to design images that would be easily relatable among the target cultural demographic. These recommendations were adapted to develop an evidence-based infographic. Conclusions Our review of effective visual science communication techniques supports the importance of using evidence-based methods to develop infographics that are effective among a range of demographics and medical conditions. Key messages • Evidence-based infographics and visual science communication tools can amplify the effectiveness of science and health communication. • Infographics and visual science communication tools can be applied to a variety of literacy levels and medical conditions to improve patient outcomes.
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 | 0,015 | 0,083 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,005 |
| Bibliométrie | 0,015 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,024 | 0,002 |
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 ».