COVID-19 Preventive Behaviors and Health Literacy, Information Evaluation, and Decision-making Skills in Japanese Adults: Cross-sectional Survey Study
Notice bibliographique
Résumé
BACKGROUND: Health literacy is important for the prevention of COVID-19 transmission. Research in Japan shows that health literacy is related to skills in evaluating information and decision-making (skills that are not necessarily limited to information about health). Such basic skills are important, particularly when individuals encounter new health issues for which there is insufficient evidence. OBJECTIVE: We aimed to determine the extent to which COVID-19 preventive behaviors were associated with health literacy and skills in evaluating information and making decisions. METHODS: A web-based questionnaire survey was conducted using a Japanese internet research company. The measures comprised 8 items on COVID-19 preventive behaviors, health literacy items (European Health Literacy Survey Questionnaire), 5 items on information evaluation, and 4 items on decision-making process. Pearson correlations between these variables were calculated. Multivariable analyses were also conducted using the COVID-19 preventive behavior score as a dependent variable. RESULTS: A total of 3914 valid responses were received.COVID-19 preventive behaviors were significantly correlated with health literacy (r=0.23), information evaluation (r=0.24), and decision-making process (r=0.30). Standardized regression coefficients (health literacy: β=.11; information evaluation: β=.13; decision-making: β=.18) showed that decision-making process contributed the most. CONCLUSIONS: Although comprehensive health literacy is necessary for COVID-19 preventive behaviors, the skills to evaluate a wide range of information and to make appropriate decisions are no less important. Opportunities for people to acquire these skills should be available at all times.
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 | 0,047 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,008 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».