Trust in government regarding COVID-19 and its associations with preventive health behaviour and prosocial behaviour during the pandemic: a cross-sectional and longitudinal study
Notice bibliographique
Résumé
Abstract Background The effective implementation of government policies and measures for controlling the coronavirus disease 2019 (COVID-19) pandemic requires compliance from the public. This study aimed to examine cross-sectional and longitudinal associations of trust in government regarding COVID-19 control with the adoption of recommended health behaviours and prosocial behaviours, and potential determinants of trust in government during the pandemic. Methods This study analysed data from the PsyCorona Survey, an international project on COVID-19 that included 23 733 participants from 23 countries (representative in age and gender distributions by country) at baseline survey and 7785 participants who also completed follow-up surveys. Specification curve analysis was used to examine concurrent associations between trust in government and self-reported behaviours. We further used structural equation model to explore potential determinants of trust in government. Multilevel linear regressions were used to examine associations between baseline trust and longitudinal behavioural changes. Results Higher trust in government regarding COVID-19 control was significantly associated with higher adoption of health behaviours (handwashing, avoiding crowded space, self-quarantine) and prosocial behaviours in specification curve analyses (median standardised β = 0.173 and 0.229, p < 0.001). Government perceived as well organised, disseminating clear messages and knowledge on COVID-19, and perceived fairness were positively associated with trust in government (standardised β = 0.358, 0.230, 0.056, and 0.249, p < 0.01). Higher trust at baseline survey was significantly associated with lower rate of decline in health behaviours over time ( p for interaction = 0.001). Conclusions These results highlighted the importance of trust in government in the control of COVID-19.
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 | 0,003 | 0,008 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».