Une approche communicationnelle participative pour la vaccination et la prévention contre la grippe en milieu hospitalier. De la grippe saisonnière à la Covid-19
Bibliographic record
Abstract
Cet article présente les résultats d’une recherche — action menée au sein d’un hôpital situé à Ottawa, au cœur de la capitale canadienne. Elle vise à augmenter le taux de vaccination contre l’influenza auprès du personnel infirmier et s’est déroulée en deux temps. Tout d’abord, nous avons réalisé un diagnostic des opinions des infirmières/ers de l’hôpital via deux groupes de discussions. Ensuite, nous avons élaboré des principes stratégiques de communication, avant de les discuter, valider ou infirmer dans un atelier mené auprès des gestionnaires et du personnel non-cadre de l’hôpital. Nous avons découvert deux pôles majeurs d’opinions : un qui est représentatif des personnes qui reçoivent le vaccin, mais qui expriment des doutes sur l’efficacité de l’immunisation et un autre, qui est caractéristique de ceux qui décident de ne pas recevoir le vaccin et qui, sans être des militants « antivaxx », sont prêts à reconsidérer leur avis. Nos résultats révèlent ainsi des barrières communicationnelles et discursives à surmonter comme la fragmentation des informations qui alimente le scepticisme sur la vaccination, les discours de gestion et de contrainte émanant de la direction de l’hôpital et la perception d’opacité quant aux informations diffusées sur l’efficacité du vaccin antigrippal. La tenue de l’atelier nous a permis d’observer la manière dont les gestionnaires remettaient en question certaines idées stratégiques qui avaient guidé jusqu’à présent leur stratégie de communication afin d’adopter une approche de type « strategizing », qui permet l’émergence d’une « direction organisationnelle » vers le changement. In fine, nous avons enquêté comment la Covid-19 a impacté les prédispositions « pour ou contre » la vaccination antigrippale et nous avons constaté un renforcement des convictions préexistantes avec quelques nuances importantes que cet article propose de discuter.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.015 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.001 | 0.004 |
| Open science | 0.002 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".