MétaCan
Menu
Retour à la cohorte
Enregistrement W3154620627 · doi:10.3389/fpsyg.2021.609893

Using the Health Belief Model to Understand Age Differences in Perceptions and Responses to the COVID-19 Pandemic

2021· article· en· W3154620627 sur OpenAlexafffundabout
Lauren Bechard, Maximilian Bergelt, Bobby Neudorf, Tamara C. DeSouza, Laura E. Middleton

Notice bibliographique

RevueFrontiers in Psychology · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesAlzheimer Society Research ProgramAlzheimer Society
Mots-clésStructural equation modelingPsychologyYoung adultSocioeconomic statusLogistic regressionOddsPandemicHealth belief modelCoronavirus disease 2019 (COVID-19)PerceptionRisk perceptionGeneralized estimating equationDemographyGerontologyPublic healthMedicineEnvironmental healthDevelopmental psychologyHealth promotionDiseasePopulation

Résumé

récupéré en direct d'OpenAlex

COVID-19 severity and mortality risk are greater for older adults whereas economic impact is deeper for younger adults. Using the Health Belief Model (HBM) as a framework, this study used a web-based survey to examine how perceived COVID-19 susceptibility and severity and perceived efficacy of recommended health behaviors varied by age group and were related to the adoption of health behaviors. Proportional odds logistic regression was used to examine the relationship between age group and perceived COVID-19 susceptibility, severity, impact, and health behavior efficacy and adoption. Structural equation modeling based on HBM constructs examined the relationships between health beliefs and behaviors. Data from 820 participants (Ontario, Canada) were analyzed (age: 42.7, 16.2 years; 79% women). Middle-aged and older adults reported greater concerns about the personal risk of hospitalization and mortality, economic impact, and social impact of COVID-19 than young adults. Middle-aged adults also reported greatest concern for other age groups. Adoption and perceived efficacy of health behaviors was similar across age groups with few exceptions. Both middle-aged and older-adults were more likely to perceive their own and each other's age groups as responding adequately to COVID-19 compared to young adults. Structural equation modeling indicated perceived benefits of health behaviors were the primary driver of behavior uptake, with socioeconomic factors and perceived severity and susceptibility indirectly associated with uptake through their influence on perceived benefits. Overall, these results suggest adoption of health behaviors is very high with few differences between age groups, despite differences in perceived impact of COVID-19. Public health communications should focus on the benefits of health behaviors to drive adoption.

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)0,003
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,081
Score d'incertitude au seuil0,161

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
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 Opus0,318
Tête enseignante GPT0,507
Écart entre enseignants0,189 · 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

Citations83
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueFrontiers in PsychologyMême sujetCOVID-19 and Mental HealthTravaux en français237 207