Public perspective on the governmental response, communication and trust in the governmental decisions in mitigating COVID-19 early in the pandemic across the G7 countries
Notice bibliographique
Résumé
The COVID-19 pandemic poses a threat to global health and security inciting governments with the responsibility to respond with measures that ensure the health and safety of their communities. We assessed public attitudes towards governmental actions to combat the COVID-19 pandemic in the G7 countries. Data were collected during 19th-21st March 2020, from 7005 Kantar's online panelists aged >16 years across the G7 countries: Canada, France, Great Britain, Germany, Italy, Japan, and the United States. Data were post-stratified and weighted to match population distributions of the respective countries. Descriptive and multivariable analyses were conducted. Amongst the G7, Japan had the lowest level of approval of governmental response to the pandemic, rating governmental communication as good, and trusting governmental decisions (35.0%, 33.6%, and 38.0%, respectively), followed by the U.S. (52.9%, 64.6%, and 59.9%, respectively). Understanding of which measures one can personally take to help limit the spread of the coronavirus was significantly associated with approving governmental response (aOR = 2.88), rating government communication as good (aOR = 2.70) and trust in future governmental decisions (aOR = 2.73). Those who reported government/politicians and friends/family as their most trusted information source were more likely to report approval, higher rating, and/or trust toward governmental actions. Public attitudes towards governmental actions against COVID-19 varied substantially across the G7 countries and were associated with the understanding of measures and source of information that respondents most trusted. Timely and accurate communication is essential to enhance public engagement to control the COVID-19 pandemic.
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 | 0,005 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 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) | 0,003 | 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 ».