How have Ontario Public Health units engaged with faith-based organizations to build confidence in COVID-19 vaccines among ethno-racial communities
Notice bibliographique
Résumé
In Ontario, collaborations between Public Health Units (PHUs) and faith-based organizations (FBOs) and other community organizations were implemented to deliver interventions aimed at building trust in vaccines among ethnoracial communities. This research sought to explore the processes of PHU engagement with FBOs, and challenges encountered. A qualitative research study based on in-depth interviews was conducted with 18 of the 34 Ontario PHUs who expressed an interest. Braun and Clarke's "experiential" approach was used to explore the realities of PHUs' contextual experiences and perspectives. PHUs developed a two-phased process for engaging with FBOs and ethnoracial communities. First, PHUs created internal frameworks for dialogue to use available data to better understand the diverse needs of these equity-seeking groups. The second phase involved a three-stage engagement process:1) Consultation and information sharing was employed to facilitate early and open dialogue. 2) Work with FBOs and interested communities to plan vaccine deployment strategies to meet the needs of different faith and ethno-racial groups, and jointly plan the implementation of vaccination clinics. 3) Share roles and responsibilities with FBOs to roll out vaccine confidence strategies. The PHUs' openness to honest dialogue with FBOs, commitment to building relationships based on respect for different beliefs and opinions about vaccines, and previous experience working together all facilitated engagement. Lessons learned from this research can guide the implementation of future vaccination programs. Ensuring early and regular engagement with FBOs a priority strategy and devoting substantial resources (human, financial and duration) are both necessary to improve vaccine confidence and promote equity for ethno-racial groups.
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 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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».