MétaCan
Menu
Retour à la cohorte
Enregistrement W3197902601 · doi:10.21203/rs.3.rs-852079/v1

Stay Out of the Blast Radius: Influence of Surgical Masks on Virtual Pedestrian Interactions

2021· preprint· en· W3197902601 sur OpenAlexafffund
Marco A. Bühler, Sean Lynch, Trineta M. Bhojwani, Ahlam Zidan, Félix Fiset, Bradford J. McFadyen, Anouk Lamontagne

Notice bibliographique

RevueResearch Square · 2021
Typepreprint
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensCentre Intégré Universitaire de Santé et de Services Sociaux du Centre-Sud-de-l'Île-de-MontréalCentre Intégré Universitaire de Santé et de Services Sociaux du Saguenay–Lac-Saint-JeanCentre intégré universitaire de santé et de services sociaux de la Capitale-NationaleMcGill University
Organismes subventionnairesFonds de Recherche du Québec - SantéNatural Sciences and Engineering Research Council of CanadaMcGill University
Mots-clésPedestrianContext (archaeology)Social distanceObstacleAnxietyPandemicPsychologyDistancingCoronavirus disease 2019 (COVID-19)Applied psychologyMedicineGeographyEngineeringPsychiatryTransport engineering

Résumé

récupéré en direct d'OpenAlex

Abstract To combat the global pandemic caused by COVID-19, a series of mitigation strategies have been proposed by governments around the world. While responses varied across different governing bodies, recommendations such as social distancing and the use of facial masks were nearly universal. Considering that even with restrictions in place, walking in community environments remained an important component of everyday life, these public health recommendations, as well as the anxiety generated by the pandemic, are likely to have influenced pedestrian interactions. In this study, we have examined the effect of facial masks and anxiety related to community ambulation in the context of the COVID-19 pandemic. Using virtual reality, obstacle circumvention strategies in response to approaching pedestrians with and without facial masks were measured in a sample of 11 healthy young individuals. Additionally, a questionnaire was developed and used to gain insights into the participant's behaviours during and after a strict period of restrictions that were in effect before the summer of 2020. Results showed that participants maintained a larger obstacle clearance when virtual pedestrians wore a facial mask. The extent of obstacle clearance was also positively associated with anxiety towards community ambulation in the context of the pandemic. Our findings provide evidence that mask-wearing results in an increase in physical distancing during pedestrian interactions, which may help to reduce the risk of infection. Furthermore, results demonstrate the effects of social context and psychological status on pedestrian interactions and highlight the potential of virtual reality simulations to study locomotion in natural community settings.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,005
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,182
Tête enseignante GPT0,538
Écart entre enseignants0,356 · 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 source (Gemma direct ou Codex distillé), 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

Citations3
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueResearch SquareMême sujetCOVID-19 and Mental HealthTravaux en français237 207