MétaCan
Menu
Retour à la cohorte
Enregistrement W4401761171 · doi:10.1080/10410236.2024.2391207

Evaluating Multi-Jurisdictional Enteric Illness Outbreak Messaging in Canada: A Content Analysis of Public Health Notices

2024· article· en· W4401761171 sur OpenAlexafffundabout
Vayshali Patel, Lauren E. Grant, Hisba Shereefdeen, Melissa MacKay, Leslie Cheng, M Phypers, Andrew Papadopoulos, Jennifer E. McWhirter

Notice bibliographique

RevueHealth Communication · 2024
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Policy and Management
Établissements canadiensUniversity of GuelphPublic Health Agency of Canada
Organismes subventionnairesPublic Health AgencyPublic Health Agency of Canada
Mots-clésContent analysisPublic healthOutbreakText messagingEnvironmental healthMedicineWorld Wide WebComputer scienceSociologyVirologyNursing

Résumé

récupéré en direct d'OpenAlex

Effective risk communication during enteric illness outbreaks requires the provision of clear and consistent information to diverse audiences to reduce risk of exposure, inform behavior changes, and prevent illness. Most enteric illnesses are caused by pathogens transmitted through consumption of contaminated food or water, contact with animals, or person-to-person contact. When multi-jurisdictional outbreaks occur, the Public Health Agency of Canada posts web-based Public Health Notices (PHNs) to inform Canadians. This study evaluated the comprehensibility of PHNs to optimize federal risk communication approaches. Publicly available web-based PHNs (n = 42) from 2014–2022 were obtained. A codebook was developed using the Centers for Disease Control and Prevention’s (CDC) Clear Communication Index (CCI) and Health Belief Model (HBM) and systematically applied. A SMOG readability calculator was used to determine reading grade level. Descriptive statistics were calculated to summarize coded data. The average reading grade level was above Grade 12 (13.9 ± 1.1). PHNs communicated the nature of the risk (100%) and behavioral recommendations (96.5%) clearly. An active voice was sometimes used (61.9%), but numerical information was less commonly presented using best practices (38.1%). The HBM was fully incorporated in seven PHNs, with most PHNs using five of six constructs (66.7%). PHNs shared similar information in a consistent order (75.0%). Aligning PHNs to best practices in risk communication is recommended, including writing content at a reading grade level that supports comprehension by diverse audiences, following the CCI to increase clarity, including all HBM constructs to promote behavior change, and maintaining message consistency.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,017
score de la tête « metaresearch » (Gemma)0,080
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,106
Score d'incertitude au seuil0,766

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,080
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0070,012
Études des sciences et des technologies0,0060,003
Communication savante0,0040,002
Science ouverte0,0020,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,373
Tête enseignante GPT0,404
Écart entre enseignants0,032 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations4
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueHealth CommunicationMême sujetHealthcare Policy and ManagementTravaux en français237 207