Development and application of criteria for analyzing COVID-19 vaccine websites in Canada and the United States
Notice bibliographique
Résumé
Background: From early in the COVID-19 pandemic, it was clear that vaccines would be necessary to stop the spread and severity of the virus. Many jurisdictions established COVID-vaccine-specific websites or web content to help inform their citizens about the vaccines. Although some criteria exist for analyzing health-related communication, there are few clear evaluative frameworks specifically for analyzing websites and even fewer specifically for vaccine information. Objective: Based on existing criteria and best practices in public health communication, my study aims to develop more comprehensive criteria for analyzing official, public-facing, public health/government websites about vaccination and then apply those criteria to select COVID-19 vaccine websites. Methods: I use content analysis methodology to develop vaccine website criteria and to evaluate websites. Using pre-existing frameworks and evaluative tools, incorporating current best practices in risk communication, and consulting with experts in the field, I developed a concise set of criteria for vaccine websites. I used these criteria to evaluate seven websites from Canada and the United States. Results: From my analysis, I identified ten criteria (functionality, accessibility, authorship, purpose, funding source, privacy policy, content quality, currency, unbiased, references) and organized them into three themes (usable, transparent, and helpful) and three tiers of website navigation. My application of these criteria against seven websites showed that individual websites scored well in a few criteria. However, there is much room for improvement, particularly in ensuring that information is unbiased, being transparent about funding sources, and ensuring that websites are accessible. Discussion and Conclusion: Fifteen recommendations are provided to support public health organizations in communicating with the public to help them make informed decisions to stay safe and healthy. These recommendations and the criteria on which they are based are intertwined and inextricable from their greater context. Consequently, these recommendations would be most effective when combined with other risk communication interventions.
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 | 0,043 | 0,133 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,032 | 0,025 |
| Études des sciences et des technologies | 0,009 | 0,005 |
| Communication savante | 0,008 | 0,003 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».