Factors Related to COVID-19 Preventive Behaviors: A Structural Equation Model
Notice bibliographique
Résumé
Background:While COVID-19 has rapidly spread around the world, and vaccines are not widely available to the general population, the World Health Organization outlines preventive behavior as the most effective way to limit the rapid spread of the virus. Preventive behavior is associated with a number of factors that both encourage and discourage prevention. Aim:The aim of this research was to study COVID-19 threat appraisal, fear of COVID-19, trust in COVID-19 information sources, COVID-19 conspiracy beliefs and the relationship of socio-demographic variables (gender, age, level of education, place of residence, and employment status) to COVID-19 preventive behavior. Methods:The data originate from a national cross-sectional online survey (N= 2,608) undertaken in July 2020. The data were analyzed using structural equation modeling. Results:COVID-19 threat appraisal, trust in COVID-19 information sources, and fear of COVID-19 are all significant predictors of COVID-19 preventive behaviors. Together they explain 26.7% of the variance of this variable. COVID-19 conspiracy beliefs significantly negatively predict COVID-19 threat appraisal (R2= 0.206) and trust in COVID-19 information sources (R2= 0.190). COVID-19 threat appraisal contributes significantly and directly to the explanation of the fear of COVID-19 (R2= 0.134). Directly, as well as mediated by COVID-19 conspiracy beliefs, threat appraisal predicts trust in COVID-19 information sources (R2= 0.190). The relationship between COVID-19 threat appraisal and COVID-19 preventive behaviors is partially mediated by fear of COVID-19 (indirect effect 28.6%) and trust in information sources (15.8%). Socio-demographic variables add very little in prediction of COVID-19 preventive behavior. Conclusions:The study results demonstrate that COVID-19 threat appraisal is the most important factor associated with COVID-19 preventive behavior. Those Latvian residents with higher COVID-19 threat appraisal, experienced higher levels of fear of COVID-19, had more trust in COVID-19 information sources, and were more actively involved in following COVID-19 preventive behaviors. COVID-19 conspiracy beliefs negatively predict COVID-19 threat appraisal and trust in COVID-19 information sources, but not the COVID-19 preventive behaviors. Socio-demographic factors do not play an important role here.
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 | 0,007 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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 ».