Collecting behavioural data across countries during pandemics: Development of the COVID-19 Risk Assessment Tool
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
Tools that can be used to collect behavioural data during pandemics are needed to inform policy and practice. The objective of this project was to develop the Your COVID-19 Risk tool in response to the global spread of COVID-19, aiming to promote health behaviour change. We developed an online resource based on key behavioural evidence-based risk factors related to contracting and spreading COVID-19. This tool allows for assessing risk and provides instant support to protect individuals from infection. The Risk Estimation Questions assessed users' location, age, gender, work environment, day-to-day behaviours currently performed, and conditions under which these behaviours would change. Users were also asked to estimate how often they keep their distance from others in public and regularly wash their hands, and the procedures they follow to do so. A multidisciplinary research team of more than 150 international experts developed the tool. Over 60,000 users in more than 150 countries have assessed their risk and provided data. The majority of respondents reported that they almost always keep their distance from others in public places, and most participants reported washing their hands after touching public or shared surfaces or when entering buildings. The tool, data, and results were openly shared to support government and health agencies developing behaviour change interventions. This tool creates a blueprint for similar digital infrastructure that can be replicated and used in future pandemics.
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 | 0,024 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,003 |
| 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 découle