MétaCan
Menu
Retour à la cohorte
Enregistrement W3164246738 · doi:10.1080/21645515.2021.1913966

The influencing factors of discrimination against recovered Coronavirus disease 2019 (COVID-19) patients in China: a national study

2021· article· en· W3164246738 sur OpenAlexaff
Rugang Liu, Stephen Nicholas, Anli Leng, Dongfu Qian, Elizabeth Maitland, Jian Wang

Notice bibliographique

RevueHuman Vaccines & Immunotherapeutics · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueVaccine Coverage and Hesitancy
Établissements canadiensInstitute on Governance
Organismes subventionnairesNational Health Commission Key Laboratory of Health Economics and Policy ResearchNational Natural Science Foundation of China
Mots-clésCoronavirus disease 2019 (COVID-19)Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2)2019-20 coronavirus outbreakCoronavirusChinaVirologyMedicineBetacoronavirusPandemicDiseaseEnvironmental healthOutbreakGeographyInternal medicineInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Over 26 million recovered COVID-19 patients will suffer from discrimination in work, education and social interactions. We analyzed the determinants of discrimination against recovered COVID-19 patients and suggest policy recommendations to reduce such discrimination. METHODS: Twenty-seven Chinese cities were selected randomly based on their geographical location and GDP rank. One hundred adults were interviewed in each city with an equal number of men and women and three urban residents for every two rural residents. A multiple ordered logistic regression model was used to assess the associations between potential determinants and the COVID-19 discrimination level. RESULTS: Of 2377 participants, 79.76% displayed discrimination toward recovered COVID-19 patients. The female discrimination level was 1.25 times that of males; the discrimination level increased with age; and was occupation-specific, with physicians' (OR = 0.352) and students' (OR = 0.553) discrimination level lower than that of farmers. The discrimination level of participants from the central regions was 1.828 times, and the eastern region 1.504 times, that of participants from western region. The participants' discrimination level was lower when they scored higher in transmission knowledge, prevention knowledge and other COVID-19 knowledge, treatment methods and quarantine time. CONCLUSION: Sex, age, occupation, infections of relatives and friends, regions and scores on COVID-19 knowledge were determinants of discrimination level against recovered COVID-19 patients. In contrast with qualitative studies, our quantitative study recommends targeted education campaigns, focusing on physicians, women, older people and certain occupations. Only the COVID-19 vaccination program for the whole population will resolve the COVID-19 discrimination problem.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,015
Score d'incertitude au seuil0,948

Scores Codex et Gemma par catégorie

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

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 Opus0,072
Tête enseignante GPT0,376
Écart entre enseignants0,304 · 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 tête enseignante, 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

Citations14
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHuman Vaccines & ImmunotherapeuticsMême sujetVaccine Coverage and HesitancyTravaux en français237 207