Fertility concerns and COVID-19 Vaccines: Community-informed infographic design in urban Waterloo Region, Ontario, Canada
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
Introduction: Vaccine hesitancy, including concerns about possible fertility side-effects, caused delay in the uptake of COVID-19 vaccines in Canada and elsewhere. One way of tackling vaccine hesitancy is the use of infographics that explain key issues and address concerns. The aim of this study was to explore the collaborative process of rapidly developing an infographic that was informed by community feedback and tailored to address fertility concerns during urgent COVID-19 pandemic conditions. Methods: A survey promoted through social media and focus group discussion with community contacts were used to iteratively consult target audiences and gather feedback on interpretation of the infographic’s content and meaning. Survey results were analysed using descriptive methods. A focus group discussion was analysed using inductive thematic and sentiment analysis. Feedback guided infographic development. Results: A draft infographic and survey were shared online. 33 of 37 survey respondents expressed that they trusted the information provided in infographics. Survey respondents and focus group participants both wanted simple language and additional information to address concerns about the long-term effect of COVID-19 vaccines on fertility. Opinions indicated that more effort was needed to address varying levels of health literacy within communities. There was conflicting feedback on whether use of inclusive language by removing gender labels and focusing on biology, was helpful or confusing. Conclusions: This study shows public feedback can help tailor content and design of vaccine confidence building tools making them more accessible to the general population. In addition, efforts to resolve specific concerns can be augmented by modifying and/or creating different versions of infographics.
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 | 0,032 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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