MétaCan
Menu
Retour à la cohorte
Enregistrement W3127847951 · doi:10.1098/rsos.200589

Stress and worry in the 2020 coronavirus pandemic: relationships to trust and compliance with preventive measures across 48 countries in the COVIDiSTRESS global survey

2021· article· en· W3127847951 sur OpenAlexaff
Andreas Lieberoth, Shiang-Yi Lin, Sabrina Stöckli, Hyemin Han, Marta Kowal, Rebekah Gelpí, Stavroula Chrona, Thao Tran, Alma Jeftić, Jesper Rasmussen, Hüseyin Çakal, Taciano L. Milfont, Yuki Yamada, Rizwana Amin, Stéphane Debove, Ivan Flis, Hafize Sahin, Fidan Türk, Yao‐Yuan Yeh, Yuen Wan Ho, Pilleriin Sikka, Guillermo Delgado‐García, David Lacko, Salomé Mamede, Oulmann Zerhouni, Jarno Tuominen, Tuba Bircan, Austin Horng‐En Wang, Gözde İkizer, Samuel Lins, Anna Studzińska, Muhammad Kamal Uddin, Fernanda Pérez-Gay Juárez, Fang-Yu Chen, Aybegüm Memisoglu‐Sanli, Agnieszka E. Łyś, Vicenta Reynoso-Alcántara, Rubén Flores González, Amanda Griffin, Claudio Rafael Castro López, Jana Nezkusilová, Dominik‐Borna Ćepulić, Sibele D. Aquino, Tiago Azevedo Marot, Angélique M. Blackburn, Boullu Loïs, Jozef Bavoľár, Pavol Kačmár, Charles K. S. Wu, João Carlos Areias, Jean Carlos Natividade, Silvia Mari, Oli Ahmed, Vilius Dranseika, Irène Cristofori, Tao Coll‐Martín, Kristina Eichel, Raisa Kumaga, Eda Ermağan Çağlar, Dastan Bamwesigye, Benjamin Tag, Carlos C. Contreras‐Ibáñez, John Jamir Benzon R. Aruta, Priyanka A. Naidu, İlknur Dilekler Aldemir, Jiří Čeněk, Md. Nurul Islam, Brendan Ch’ng, Cristina Sechi, Steve Nebel, Gülden Sayılan, Shruti Jha, Sara Vestergren, Keiko Ihaya, Guillaume Gautreau, Giovanni A. Travaglino, Nikolay R. Rachev, Krzysztof Hanusz, Martin Pírko, J. Noël West, Wilson Cyrus-Lai, Arooj Najmussaqib, Eugenia Romano, Valdas Noreika, Arian Musliu, Emilija Sungailaite, Mehmet Kosa, Antonio G. Lentoor, Nidhi Sinha, Andrew R. Bender, Dar Meshi, Pratik Bhandari, Grace Byrne, Kalina Nikolova Kalinova, Barbora Hubená, Manuel Ninaus, Carlos Mauricio Castaño Díaz, Alessia Scarpaci, Karolina Koszałkowska, Daniel Pankowski, Teodora Yaneva, Sara Morales-Izquierdo, Ena Uzelac, Yookyung Lee, Dayana Hristova, Moh. Abdul Hakim, Eliane Deschrijver, Phillip S. Kavanagh, Aya Shata, Cecilia Reyna, Gabriel A. León, Franco Tisocco, Débora Jeanette Mola, Maor Shani, Samkelisiwe Mahlungulu, Daphna Hausman Ozery, Marjolein C.J. Caniëls, Pablo Correa, María Victoria Ortiz, Roosevelt Vilar, Tsvetelina Makaveeva, Lotte Pummerer, Irina Nikolova, Mila Bujić, Zea Szebeni, T Pennato, Mihaela Ţăranu, Liz Martinez, Tereza Capelos, Anabel Belaus, Dmitrii Dubrov

Notice bibliographique

RevueRoyal Society Open Science · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensMcGill UniversityUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésWorryPandemicGovernment (linguistics)Coping (psychology)PsychologyDistressSocial distanceCompliance (psychology)Coronavirus disease 2019 (COVID-19)BusinessPolitical sciencePublic relationsSocial psychologyInfectious disease (medical specialty)AnxietyMedicineDiseaseClinical psychology

Résumé

récupéré en direct d'OpenAlex

The COVIDiSTRESS global survey collects data on early human responses to the 2020 COVID-19 pandemic from 173 429 respondents in 48 countries. The open science study was co-designed by an international consortium of researchers to investigate how psychological responses differ across countries and cultures, and how this has impacted behaviour, coping and trust in government efforts to slow the spread of the virus. Starting in March 2020, COVIDiSTRESS leveraged the convenience of unpaid online recruitment to generate public data. The objective of the present analysis is to understand relationships between psychological responses in the early months of global coronavirus restrictions and help understand how different government measures succeed or fail in changing public behaviour. There were variations between and within countries. Although Western Europeans registered as more concerned over COVID-19, more stressed, and having slightly more trust in the governments' efforts, there was no clear geographical pattern in compliance with behavioural measures. Detailed plots illustrating between-countries differences are provided. Using both traditional and Bayesian analyses, we found that individuals who worried about getting sick worked harder to protect themselves and others. However, concern about the coronavirus itself did not account for all of the variances in experienced stress during the early months of COVID-19 restrictions. More alarmingly, such stress was associated with less compliance. Further, those most concerned over the coronavirus trusted in government measures primarily where policies were strict. While concern over a disease is a source of mental distress, other factors including strictness of protective measures, social support and personal lockdown conditions must also be taken into consideration to fully appreciate the psychological impact of COVID-19 and to understand why some people fail to follow behavioural guidelines intended to protect themselves and others from infection. The Stage 1 manuscript associated with this submission received in-principle acceptance (IPA) on 18 May 2020. Following IPA, the accepted Stage 1 version of the manuscript was preregistered on the Open Science Framework at https://osf.io/g2t3b. This preregistration was performed prior to data analysis.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,191
Tête enseignante GPT0,471
Écart entre enseignants0,279 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations146
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRoyal Society Open ScienceMême sujetCOVID-19 and Mental HealthTravaux en français237 207