Using the Health Belief Model to Understand Age Differences in Perceptions and Responses to the COVID-19 Pandemic
Notice bibliographique
Résumé
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 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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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 ».