The Role of Social Media in Knowledge, Perceptions, and Self-Reported Adherence Toward COVID-19 Prevention Guidelines: Cross-Sectional Study
Notice bibliographique
Résumé
Background Throughout the COVID-19 pandemic, social media has served as a channel of communication, a venue for entertainment, and a mechanism for information dissemination. Objective This study aims to assess the associations between social media use patterns; demographics; and knowledge, perceptions, and self-reported adherence toward COVID-19 prevention guidelines, due to growing and evolving social media use. Methods Quota-sampled data were collected through a web-based survey of US adults through the Qualtrics platform, from March 15, 2022, to March 23, 2022, to assess covariates (eg, demographics, vaccination, and political affiliation), frequency of social media use, social media sources of COVID-19 information, as well as knowledge, perceptions, and self-reported adherence toward COVID-19 prevention guidelines. Three linear regression models were used for data analysis. Results A total of 1043 participants responded to the survey, with an average age of 45.3 years, among which 49.61% (n=515) of participants were men, 66.79% (n=696) were White, 11.61% (n=121) were Black or African American, 13.15% (n=137) were Hispanic or Latino, 37.71% (n=382) were Democrat, 30.21% (n=306) were Republican, and 25% (n=260) were not vaccinated. After controlling for covariates, users of TikTok (β=–.29, 95% CI –0.58 to –0.004; P=.047) were associated with lower knowledge of COVID-19 guidelines, users of Instagram (β=–.40, 95% CI –0.68 to –0.12; P=.005) and Twitter (β=–.33, 95% CI –0.58 to –0.08; P=.01) were associated with perceiving guidelines as strict, and users of Facebook (β=–.23, 95% CI –0.42 to –0.043; P=.02) and TikTok (β=–.25, 95% CI –0.5 to -0.009; P=.04) were associated with lower adherence to the guidelines (R2 0.06-0.23). Conclusions These results allude to the complex interactions between online and physical environments. Future interventions should be tailored to subpopulations based on their demographics and social media site use. Efforts to mitigate misinformation and implement digital public health policy must account for the impact of the digital landscape on knowledge, perceptions, and level of adherence toward prevention guidelines for effective pandemic control.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».