Predicting blood donation intention: the importance of fear
Notice bibliographique
Résumé
BACKGROUND: Blood donor recruitment remains an important worldwide challenge due to changes in population demographics and shifts in the demand for blood. Various cognitive models help predict donation intention, although the importance of affective deterrents has become increasingly evident. This study aimed to identify fears that predict donation intention, to explore their relative importance, and to determine if self-efficacy and attitude mediate this relationship, thus providing possible targets for intervention. STUDY DESIGN AND METHODS: A total of 347 individuals (269 nondonors and 78 donors) living in Québec responded to questionnaires assessing medical fears, psychosocial factors related to donation intention including the Theory of Planned Behavior (TPB) constructs, anticipated regret, and facilitating factors (i.e., time commitment and rewards). To examine the relative importance of these factors in the context of blood donation, the same questions were also asked about other medical activities that involve salient needle stimuli: flu vaccinations and dental examinations. RESULTS: Medical fears, especially blood-related fears, were significantly associated with donation intention. Bootstrapping tests confirmed that this relation was mediated by attitude and self-efficacy. Underlining the importance of medical fears in the blood donation context, these fears were not associated with attitudes and intentions for dental examinations or flu vaccinations. CONCLUSION: These results suggest that medical fears, especially blood-related fears, play a key role in predicting donation attitudes and intentions. Mediational pathways provide support for interventions to improve donation intentions by addressing specific fears while also improving a donor's belief in his or her ability to manage donation-related fears.
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 | 0,008 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».