Pandemic Worry and Preventive Health Behaviors During the COVID-19 Outbreak
Notice bibliographique
Résumé
Objective: As schools are preparing for onsite learning, it is urgently needed to characterize the extent of pandemic worry and to examine predictors of adopting preventive health behaviors of hand washing, face mask wearing, and maintaining social distance among student pharmacists. Methods: An online survey was sent to 326 student pharmacists in the United States. Pandemic worry was measured using a seven-point Likert scale ranging from extremely not afraid of, to extremely afraid of getting COVID-19. The health belief model (HBM) was the theoretical framework of this study. Preventive health behaviors and components of the HBM were also measured using seven-point Likert scales (one indicated extremely unlikely; seven indicated extremely likely). Multivariable linear regression models were used to identify predictors of each behavior. Results: A medium level of pandemic worry ( M = 4.2, SD = 1.92) was identified and females reported a higher pandemic worry. Respondents reported that they were extremely likely to wash their hands ( M = 6.8, SD = 0.48) and maintain social distance ( M = 6.6, SD = 0.92), but were moderately unlikely to wear face masks ( M = 2.2, SD = 1.51). Determinants of face mask wearing included pandemic worry, perceived benefits, cue to action, self-efficacy, and being of an Asian American. Perceived barriers were negatively associated with face mask wearing. Conclusion: Strategies should be implemented to reduce the psychological impact of COVID-19 pandemic among student pharmacists. Predictors identified in this study should be incorporated in efforts to improve face mask wearing. Continued monitoring of pandemic worry and preventive health behaviors is of great significance when universities and colleges are for onsite learning.
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 ».