MétaCan
Menu
Retour à la cohorte
Enregistrement W4401507579 · doi:10.2196/52884

Creating a Culturally Safe Online Data Collection Instrument to Measure Vaccine Confidence Among Indigenous Youth: Indigenous Consensus Method

2024· article· en· W4401507579 sur OpenAlexafffundvenue
Marion Maar, Caleigh E. Bourdon, Joahnna Berti, Emma Bisaillon, Lisa Boesch, Alicia Boston, Justin Chapdelaine, Alison Humphrey, Sandeep Kumar, Benjamin Maar-Jackson, R. W. Martell, Bruce Naokwegijig, D. Kaur, Sarah Rice, Barbara Rickaby, Mariette Sutherland, Maurianne Reade

Notice bibliographique

RevueJMIR Formative Research · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSurvey Methodology and Nonresponse
Établissements canadiensYork UniversityUniversity of SudburyLaurentian UniversityThe Debajehmujig Creation Centre (Canada)NOSM University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésIndigenousMisinformationData collectionSurvey data collectionPsychologyHarmMedicineMedical educationFamily medicineSocial psychologyPolitical scienceSociology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Participating in surveys can shape the perception of participants related to the study topic. Administering a vaccine hesitancy questionnaire can have negative impacts on participants' vaccine confidence. This is particularly true for online and cross-cultural data collection because culturally safe health education to correct misinformation is typically not provided after the administration of an electronic survey. OBJECTIVE: To create a culturally safe, online, COVID-19 vaccine confidence survey for Indigenous youth designed to collect authentic, culturally relevant data of their vaccine experiences, with a low risk of contributing to further vaccine confusion among participants. METHODS: Using the Aboriginal Telehealth Knowledge Circle consensus method, a team of academics, health care providers, policy makers, and community partners reviewed COVID-19 vaccine hesitancy surveys used in public health research, analyzed potential risks, and created a framework for electronic Indigenous vaccine confidence surveys as well as survey items. RESULTS: The framework for safer online survey items is based on 2 principles, a first do-no-harm approach and applying a strengths-based lens. Relevant survey domains identified in the process include sociodemographic information, participants' connection to their community, preferred sources for health information, vaccination uptake among family members and peers, as well as personal attitudes toward vaccines. A total of 44 survey items were developed, including 5 open-ended items to improve the authenticity of the data and the analysis of the experiences of Indigenous youth. CONCLUSIONS: Using an Indigenous consensus method, we have developed an online COVID-19 vaccine confidence survey with culturally relevant domains and reduced the risk of amplifying misinformation and negative impacts on vaccine confidence among Indigenous participants. Our approach can be adapted to other online survey development in collaboration with Indigenous communities.

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)0,072
score de la tête « metaresearch » (Gemma)0,017
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,248
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0720,017
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0040,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,434
Tête enseignante GPT0,550
Écart entre enseignants0,116 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJMIR Formative ResearchMême sujetSurvey Methodology and NonresponseTravaux en français237 207