Knowledge and Determinants of Behavioral Responses to the Pandemic of COVID-19
Notice bibliographique
Résumé
Background: Understanding knowledge and behavioral responses to the pandemic of coronavirus disease 2019 (COVID-19) is important for appropriate public health interventions. Objectives: To assess knowledge of COVID-19 and to examine determinants associated with the adoption of preventive health behaviors among future health care providers. Methods: An anonymous online survey was sent out to pharmacy students in high and low-endemic areas of COVID-19 in China. Based on recommendations from the Chinese Center for Disease Control and Prevention, preventive health behaviors examined in this study included washing hands, wearing a face mask, and maintaining social distancing. The Health Belief Model (HBM) was used and measured by a seven-point Likert scale (one as extremely unlikely; seven as extremely likely). Multivariate linear regression models were used to examine predictors of preventive health behaviors. Results: Among 203 respondents who finished the survey, a medium level of knowledge (4.41 ± 0.95) of COVID-19 was reported. Respondents were extremely likely to wear a face mask (6.85 ± 0.60), but only moderately likely to engage in washing hands (5.95 ± 1.38) and maintaining social distancing (6.19 ± 1.60). Determinants of washing hands were cue to action, self-efficacy, knowledge, and gender; wearing a face mask were cue to action, self-efficacy, knowledge, and ethnicity; and maintaining social distancing were cue to action and self-efficacy. Conclusions: Public health interventions should consider incorporating cue to action, self-efficacy, and knowledge as factors to potentially improve the adoption of face mask-wearing, hand washing, and social distancing as appropriate individual preventive measures, especially if local and regional authorities are considering reopening schools sometime in future.
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 | 0,000 |
| 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 ».