Using Human-Centered Design in Community-Based Public Health Research: Insights from the ECHO Study on COVID-19 Vaccine Hesitancy in Montreal, Canada
Notice bibliographique
Résumé
(1) Background: This study used human-centered design (HCD) within a community-based research project to collaboratively develop local strategies aimed at enhancing COVID-19 vaccine confidence among children and youth. (2) Methods: HCD projects were carried out between December 2021 and August 2022 by four community-based design (CBD) teams in Montreal, Canada. The CBD teams were composed of parent and youth community members, public health and social science researchers, and HCD specialists. Process evaluation data, collected from the CBD team members through focus group discussions and written questionnaires, were used to reflect on the use of HCD in this project. (3) Results: The CBD teams designed and implemented projects addressing factors they identified as contributing to COVID-19 vaccine hesitancy for children and youth in their communities, including misinformation, lack of trust, social inequities, and resistance to pandemic-related restrictions. The CBD team members appreciated many aspects of the HCD approach, especially the values it stands for, such as empathy, co-creation, and collaboration. HCD and public health specialists described some tension between the different disciplinary approaches. (4) Conclusions: HCD holds promise for addressing complex public health issues, though further exploration of strategies for integrating HCD within established models of community-based public health research is needed.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,068 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,021 | 0,017 |
| Communication savante | 0,008 | 0,002 |
| Science ouverte | 0,005 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».