The Interplay Between Strictness of Policies and Individuals’ Self-Regulatory Efforts: Associations with Handwashing During the COVID-19 Pandemic
Notice bibliographique
Résumé
BACKGROUND: Patterns of protective health behaviors, such as handwashing and sanitizing during the COVID-19 pandemic, may be predicted by macro-level variables, such as regulations specified by public health policies. Health behavior patterns may also be predicted by micro-level variables, such as self-regulatory cognitions specified by health behavior models, including the Health Action Process Approach (HAPA). PURPOSE: This study explored whether strictness of containment and health policies was related to handwashing adherence and whether such associations were mediated by HAPA-specified self-regulatory cognitions. METHODS: The study (NCT04367337) was conducted among 1,256 adults from Australia, Canada, China, France, Gambia, Germany, Israel, Italy, Malaysia, Poland, Portugal, Romania, Singapore, and Switzerland. Self-report data on cross-situational handwashing adherence were collected using an online survey at two time points, 4 weeks apart. Values of the index of strictness of containment and health policies, obtained from the Oxford COVID-19 Government Response Tracker database, were retrieved twice for each country (1 week prior to individual data collection). RESULTS: Across countries and time, levels of handwashing adherence and strictness of policies were high. Path analysis indicated that stricter containment and health policies were indirectly related to lower handwashing adherence via lower self-efficacy and self-monitoring. Less strict policies were indirectly related to higher handwashing adherence via higher self-efficacy and self-monitoring. CONCLUSIONS: When policies are less strict, exposure to the SARS-CoV-2 virus might be higher, triggering more self-regulation and, consequently, more handwashing adherence. Very strict policies may need to be accompanied by enhanced information dissemination or psychosocial interventions to ensure appropriate levels of self-regulation.
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 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».