Prediction of Seat Belt Use Among Iranian Automobile Drivers: Application of the Theory of Planned Behavior and the Health Belief Model
Notice bibliographique
Résumé
OBJECTIVE: Seat belt use plays an important role in traffic safety by reducing the severity of injuries and fatality rates during vehicle accidents. The aim of this study was to investigate predictors of self-reported seat belt use in a sample of automobile drivers in Bandar Abbas, Iran. The theory of planed behavior and the health belief model served as the conceptual framework for the study. METHODS: The convenience sample consisted of 284 eligible automobile drivers who frequented 8 petrol stations in different geographical areas of the city. Of the drivers approached to participate in the study, 21 declined to take part in the study and 12 other questionnaires were incomplete. Thus, a total of 251 questionnaires were analyzed (response rate=88.4%). A self-administered questionnaire including demographic characteristics and items arising from the theory of planed behavior and health belief model constructs were used to collect data. Data were analyzed using SPSS 16 (version 16, Chicago, IL, USA). RESULTS: The subjects' mean age was 31.6 years (SD=8.7), mostly male (72.9%), and 53.4 percent of them reported that they used their seat belt "often." Multiple regression analyses revealed that from the theory of planed behavior, attitude, subjective norms, and perceived behavioral control significantly predicted intention to use a seat belt (R2=0.38, F=51.1, p<.001); and subjective norms, perceived behavioral control, and behavioral intention significantly predicted seat belt use (R2=0.43, F=45.7, p<.001). Arising from the health belief model, perceived benefits and perceived barriers significantly predicted seat belt use (R2=0.39, F=26.2, p<.001). CONCLUSION: This study revealed that automobile drivers who perceived more subjective norms, more behavioral control, greater intention to use seat belts as well as more benefits and fewer barriers were more likely to use their seat belts.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».