A Scoping Review of Tobacco Control Health Communication in Africa: Towards Involving Young People
Notice bibliographique
Résumé
Health communication has been highlighted as a cost-effective preventive intervention in Africa where prevalence of tobacco use is still relatively low compared to other World Health Organization (WHO) regions. This scoping review aims to examine tobacco control health communication interventions in Africa. The review was guided by the PRISMA-ScR checklist. Data was extracted from twenty peer-reviewed papers, WHO Global Health Observatory on Anti-tobacco mass media campaigns for 54 African countries, and six WHO Framework Convention on Tobacco Control reports on Article 12. Data extraction informed by JBI data extraction questions was used for peer review studies while a pre-determined template was used for the other sources. Narrative data synthesis informed by the JBI manual for evidence synthesis was employed. Lack of research that comprehensively address all areas of health communication and Inconsistent use of health communication campaigns was identified. Only an average of 6 countries had ever implemented effective mass media campaigns in a decade while an average of 33 countries consistently failed to conduct campaigns that lasted more than 3 weeks. Although the involvement of key populations was clearly vital to ensure content relevance and message clarity; a lack of health communication informed by young people was observed as they rarely participated in key decision-making despite reportedly being targets of interventions. Clear health communication for tobacco use prevention informed by young people is lacking in African countries. Active participation of young people in developing targeted campaigns is needed to facilitate content relevance and comprehension to ultimately contribute to tobacco use prevention.
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 | 0,018 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; les deux têtes enseignantes 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 ».