MétaCan
Menu
Retour à la cohorte
Enregistrement W4401503128 · doi:10.1136/bmjopen-2024-085630

Equity-informed social media COVID-19 risk communication strategies: a scoping review

2024· review· en· W4401503128 sur OpenAlexafffund
Nedra Peter, Lorie Donelle, Catherine George, Anita Kothari

Notice bibliographique

RevueBMJ Open · 2024
Typereview
Langueen
DomaineSocial Sciences
ThématiquePublic Relations and Crisis Communication
Établissements canadiensWestern University
Organismes subventionnairesWestern University
Mots-clésMedicineCoronavirus disease 2019 (COVID-19)Social media2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Risk communicationEquity (law)PandemicMEDLINECoronavirus InfectionsPublic relationsEnvironmental healthDiseaseInfectious disease (medical specialty)VirologyPathologyWorld Wide WebLaw

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: The COVID-19 pandemic has had devastating worldwide impact but most prominent was its effect on marginalised, underserved and equity-deserving populations. Social media arose as an important platform from which health organisations could rapidly disseminate information to equity-deserving populations about COVID-19 risks and events, provide instructions on how to mitigate those risks, motivate compliance with health directives, address false information, provide the opportunity for engagement and immediate feedback. The objective of this scoping review was to synthesise the academic and grey literature on equity-informed social media risk communication strategies developed during the pandemic. DESIGN: The review followed the Arksey and O'Malley framework and focused on the research question: What are the promising principles, processes, and practices for producing equity-informed social media risk communications? DATA SOURCES: CINAHL Complete, MEDLINE (OVID), Business Source Complete, EMBASE database OVID, Scopus and PubMed's curated COVID-19 literature hub: LitCovid, PsycINFO OVID were searched using terms related to access to health services, social media, risk communication, misinformation, community engagement, infectious disease, pandemics and marginalisation, supplemented by grey literature from relevant health organisations. ELIGIBILITY CRITERIA FOR SELECTING STUDIES: Studies were eligible if the population of interest was an equity-deserving population, the concept discussed was COVID-19 risk communication and the article was published in English between January 2019 and December 2022. DATA EXTRACTION AND SYNTHESIS: COVIDENCE facilitated screening and extraction. Charted data were thematically analysed following Braun and Clarke's phased process. Preliminary findings were collaboratively discussed with representatives from health agencies and community organisations focused on serving equity-deserving groups. RESULTS: 12 studies were included. In terms of principles and process, studies emphasised the need to collaboratively create plans for message construction and targeted dissemination using a risk communication framework, capitalise on access to community resources and pre-established communication mediums and be considerate of population-specific needs and concerns. Practice entails careful consideration of communication mediums, language usage, communication frequency and evaluation. CONCLUSION: This scoping review provides valuable insights for health agencies and community organisations in developing principles, processes and practices to equitably communicate risk information through social media. Engagement with stakeholders further refined and confirmed the findings, offering insights for future crisis communication strategies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,013
score de la tête « metaresearch » (Gemma)0,007
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,741
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0130,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,000
Communication savante0,0020,001
Science ouverte0,0050,003
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,508
Tête enseignante GPT0,639
Écart entre enseignants0,131 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMJ OpenMême sujetPublic Relations and Crisis CommunicationTravaux en français237 207