COVID-19 Health Precautions: Identifying Demographic and Socio-Economic Disparities and Changes over Time
Notice bibliographique
Résumé
The recent coronavirus disease 2019 (COVID-19) pandemic has required the adoption of precautionary health behaviours to reduce the risk of infection. This study examines adherence, as well as changes in adherence, to four key precautionary behaviours among Canadian adults: wearing face masks, social distancing, hand washing, and avoiding large crowds. Data are drawn from Series 3 and 4 of the nationally representative Canadian Perspectives Survey Series, administered by Statistics Canada in June and July 2020. We calculate overall adherence levels as well as changes over time. Logistic regression models estimate each behaviour as a function of demographic and socio-economic characteristics to identify adherence disparities across population segments. We find a nearly universal increase in precautionary behaviours from June to July in mask wearing (67.3 percent to 83.6 percent), social distancing (82.4 percent to 89.2 percent), and avoiding crowds (84.1 percent to 88.9 percent); no significant change occurred in the frequency of hand washing. We observe significant disparities in adherence to precautionary behaviours, especially for mask wearing, in June; female, older, immigrant, urban, and highly educated adults were significantly more likely to adhere to precautionary behaviours than male, younger, Canadian-born, rural, and low-educated adults. By July 2020, these disparities persisted or were slightly attenuated; women, however, had consistently higher adherence to all behaviours at both time points. These findings have substantial implications for policy and potential public health interventions.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».