The role of trust in engaging community-based task forces and agencies among minoritized communities during a public health emergency
Notice bibliographique
Résumé
OBJECTIVES: To investigate how task forces, networks, and community agencies engaged with faith-based, and ethnoracial communities to improve vaccine confidence and uptake of COVID-19 vaccines, and to understand the perceived enablers and barriers to the implementation of vaccine confidence and uptake in the Peel Region and Toronto, Ontario. METHODS: Between June 2023 and March 2024, we conducted ten online focus groups with three task forces and six community agencies. We conducted four interviews with representatives from two task forces and one network. We used thematic analysis to explore respondents' perceptions and experiences. RESULTS: The data revealed that trust operated at interpersonal and organizational levels, which are mutually reinforcing. At the interpersonal level, members of the task forces, network, and ambassadors from community agencies drew on relationships with members of minoritized communities by addressing community concerns on their terms and using in-person, online, regular contact, and active listening approaches. At the organizational level, trust was facilitated through conducting outreach (i.e., vaccine promotion) at trusted and familiar locations (e.g., faith-based organizations). COVID-related information was better received from community representatives who were already known and trusted among community members. Common outreach strategies included door-to-door outreach; informational videos and sessions; mass awareness-raising campaigns; townhalls; and ethnic media and social media. CONCLUSION: Community leaders play an instrumental role in establishing and sustaining trust in vaccine promotion among community members. Trust established among community leaders and ambassadors enabled vaccine promotion efforts among minoritized communities. These findings may help to further strengthen community engagement for future public health emergency responses.
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 | 0,008 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,010 | 0,006 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».