Regulation and Trust: 3-Month Follow-up Study on COVID-19 Mortality in 25 European Countries
Notice bibliographique
Résumé
BACKGROUND: The outbreak of the coronavirus disease (COVID-19) has dramatically changed societies in 2020. Since the end of February, Europe has been hit particularly hard by COVID-19, but there are major country differences in both the spread of the virus and measures taken to stop the virus. Social psychological factors such as institutional trust could be important in understanding the development of the epidemic. OBJECTIVE: The aim of this study was to examine country variations of COVID-19 mortality in Europe by analyzing social risk factors explaining the spread of the disease, restrictions and control measures, and institutional trust. METHODS: The present study was based on a background analysis of European Social Survey data on 25 European countries (N=47,802). Multilevel mixed effects linear regression models focused on 84 days of the COVID-19 epidemic (January 22 to April 14, 2020) and modelled the daily COVID-19 mortality. Analysis focused on the impact of social relations, restrictions, and institutional trust within each country. RESULTS: The spread of the COVID-19 epidemic has been fast everywhere, but the findings revealed significant differences between countries in COVID-19 mortality. Perceived sociability predicted higher COVID-19 mortality. Major differences between the 25 countries were found in reaction times to the crisis. Late reaction to the crisis predicted later mortality figures. Institutional trust was associated with lower COVID-19 mortality. CONCLUSIONS: The analyses demonstrated the importance of societal and social psychological factors in the spread of the COVID-19 epidemic. By considering multiple perspectives, this study showed that country differences in Europe are major, and this will have an impact on how countries will cope with the ongoing crisis in the following months. The results indicated the importance of timely restrictions and cooperation with people.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».