Social Media Misinformation about Pregnancy and COVID-19 Vaccines: A Systematic Review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: The objectives of this study were to identify common social media misconceptions about COVID-19 vaccination in pregnancy, explain the spread of misinformation, and identify solutions to guide clinical practice and policy. METHODOLOGY: A systematic review was conducted and the databases Embase and Medline were searched from December 2019 to February 8, 2023, using terms related to social media, pregnancy, COVID-19 vaccines and misinformation. The inclusion criteria were original research studies that discussed misinformation about COVID-19 vaccination during pregnancy on social media. The exclusion criteria were review articles, no full text, and not published in English. Two independent reviewers conducted screening, extraction, and quality assessment. RESULTS: Our search identified 76 articles, of which 3 fulfilled eligibility criteria. Included studies were of moderate and high quality. The social media platforms investigated included Facebook, Google Searches, Instagram, Reddit, TikTok, and Twitter. Misinformation was related to concerns regarding vaccine safety, and its association with infertility. Misinformation was increased due to lack of content monitoring on social media, exclusion of pregnant women from early vaccine trials, lack of information from reputable health sources on social media, and others. Suggested solutions were directed at pregnancy care providers (PCPs) and public health/government. Suggestions included: (i) integrating COVID-19 vaccination information into antenatal care, (ii) PCPs and public health should increase their social media presence to disseminate information, (iii) address population-specific vaccine concerns in a culturally relevant manner, and others. CONCLUSION: Increased availability of information from reputable health sources through multiple channels could increase COVID-19 vaccine uptake in the pregnant population and help combat misinformation.
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.
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 | 0,006 | 0,186 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 découle