MétaCan
Menu
Retour à la cohorte
Enregistrement W4415578890 · doi:10.1093/eurpub/ckaf161.505

Cross national insights into pandemic preparedness from the iCARE study

2025· article· en· W4415578890 sur OpenAlexaffabout
Simon Bacon, Mathieu Beraneck, Jacqueline Boyle, Maria da Conceição Chaves de Lemos, Gerard J. Molloy, Valeria Raparelli, Kim Lavoie

Notice bibliographique

RevueEuropean Journal of Public Health · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDisaster Management and Resilience
Établissements canadiensUniversité du Québec à MontréalCentres Intégré Universitaires de Santé et de Services SociauxConcordia UniversityCentre Intégré Universitaire de Santé et de Services Sociaux du Centre-Sud-de-l'Île-de-Montréal
Organismes subventionnairesnon disponible
Mots-clésPandemicPreparednessPsychological interventionPublic healthData collectionCoronavirus disease 2019 (COVID-19)Presentation (obstetrics)Social distance

Résumé

récupéré en direct d'OpenAlex

Abstract The COVID-19 pandemic has taught us much about the drivers of pandemic prevention behaviours, e.g., getting vaccinated, mask wearing, physical and social distancing. For example, women, younger individuals, and people living in rural areas, were less likely to get COVID-19 vaccines, whereas people who had previously received an influenza vaccine were more likely to get COVID-19 vaccines. In addition, vaccine hesitancy differed notably between countries, e.g., ranging from ∼10% (e.g., Brazil) to ∼50% (e.g., France). Though COVID-19 was a global pandemic, the policy responses to mobilise engagement in positive prevention behaviours varied considerably across countries, with many poorly adapted to account for the variability detailed above. Unsurprisingly, the disconnect between what populations needed and what they got has led to varying degrees of negative sentiments towards future pandemic measures. One of the key behavioural messages that came out of this was that public health interventions need to be aligned with the specific needs of certain populations. This presentation will summarize pandemic preparedness data that is currently being collected across 6 countries (Ireland, France, Italy, Canada, Australia, and Colombia) in the international COVID-19 Awareness, Responses and Evaluation (iCARE) Study (one of the largest behavioural pandemic data collection platforms in the world) to identify the factors that are associated with intentions to engage in future pandemic behaviours. This data will then be mapped onto well-established behavioural science theories and models to propose a series of inter- and intra-country interventions that should promote improved public preparedness should we need to re-engage them for 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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,013
score de la tête « metaresearch » (Gemma)0,026
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,170
Score d'incertitude au seuil0,339

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,026
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0020,001
Communication savante0,0030,002
Science ouverte0,0010,004
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,087
Tête enseignante GPT0,407
Écart entre enseignants0,320 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of Public HealthMême sujetDisaster Management and ResilienceTravaux en français237 207