Risk Perception of COVID-19 Infection and Adherence to Preventive Measures among Adolescents and Young Adults
Notice bibliographique
Résumé
To explore factors influencing adolescents and young adults’ (AYAs) risk perception of COVID-19 and adherence to public health measures, we conducted a cross-sectional online survey of AYAs (14–22 years old) from Quebec (Canada) recruited through school and community partners in April 2020 during the first wave of the COVID-19 pandemic. The study included 3037 participants (mean age = 17.7 years, 74.6% female). AYAs had higher mean (standard deviation (SD)) risk perception of COVID-19 for their relatives (8.2 (1.9)) than for themselves (5.6 (2.6)) (p < 0.001). Factors associated with higher risk perception included higher disease knowledge (adjusted odds ratio (aOR) 1.06, 95% CI 1.01–1.11), presence of chronic disease (aOR 2.31, 95%CI 1.82–2.93) and use of immunosuppressants (aOR 2.53, 95%CI 1.67–3.87). AYAs with a higher risk perception (aOR 1.06, 95%CI 1.02–1.10) those wishing to help flatten the disease curve (aOR 1.18, 95%CI 1.12–1.25) or to protect their family/friends (aOR 1.14, 95%CI 1.05–1.24) were more likely to engage in preventive behaviors. Self-perceived risk and desire to protect others were significantly associated with adherence to preventive measures among youth. These findings may help inform public health messaging to AYAs in the current and future pandemics.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».