Association of COVID-19 Risk Misperceptions With Household Isolation in the United States: Survey Study
Notice bibliographique
Résumé
BACKGROUND: Adverse mental and emotional health outcomes are increasingly recognized as a public health challenge associated with the COVID-19 pandemic. OBJECTIVE: The goal of this study was to examine the association of COVID-19 risk misperceptions with self-reported household isolation, a potential risk factor for social isolation and loneliness. METHODS: We analyzed data from the Franklin Templeton-Gallup Economics of Recovery Study (July to December 2020) of 24,649 US adults. We also analyzed data from the Gallup Panel (March 2020 to February 2021), which included 123,516 observations about loneliness. The primary outcome was self-reported household isolation, which we defined as a respondent having no contact or very little contact with people outside their household, analogous to quarantining. RESULTS: From July to December 2020, 53% to 57% of respondents reported living in household isolation. Most participants reported beliefs about COVID-19 health risks that were inaccurate, and overestimation of health risk was most common. For example, while deaths in persons younger than 55 years old accounted for 7% of total US deaths, respondents estimated that this population represented 43% of deaths. Overestimating COVID-19 health risks was associated with increased self-reported household isolation, with percentage differences ranging from 5.6 to 11.8 (P<.001 at each time point). Characteristics associated with self-reported household isolation from the July and August 2020 surveys and persisting in the December 2020 survey included younger age (18 to 39 years), having a serious medical condition, having a household member with a serious medical condition, and identifying as a Democrat. In the Gallup Panel, self-reported household isolation was associated with a higher prevalence of loneliness. CONCLUSIONS: Pandemic-related harms to emotional and mental well-being may be attenuated by reducing risk overestimation and household isolation preferences that exceed public health guidelines.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».