COVID-19 stressors and health behaviors: A multilevel longitudinal study across 86 countries
Notice bibliographique
Résumé
Anxiety associated with the COVID-19 pandemic and home confinement has been associated with adverse health behaviors, such as unhealthy eating, smoking, and drinking. However, most studies have been limited by regional sampling, which precludes the examination of behavioral consequences associated with the pandemic at a global level. Further, few studies operationalized pandemic-related stressors to enable the investigation of the impact of different types of stressors on health outcomes. This study examined the association between perceived risk of COVID-19 infection and economic burden of COVID-19 with health-promoting and health-damaging behaviors using data from the PsyCorona Study: an international, longitudinal online study of psychological and behavioral correlates of COVID-19. Analyses utilized data from 7,402 participants from 86 countries across three waves of assessment between May 16 and June 13, 2020. Participants completed self-report measures of COVID-19 infection risk, COVID-19-related economic burden, physical exercise, diet quality, cigarette smoking, sleep quality, and binge drinking. Multilevel structural equation modeling analyses showed that across three time points, perceived economic burden was associated with reduced diet quality and sleep quality, as well as increased smoking. Diet quality and sleep quality were lowest among respondents who perceived high COVID-19 infection risk combined with high economic burden. Neither binge drinking nor exercise were associated with perceived COVID-19 infection risk, economic burden, or their interaction. Findings point to the value of developing interventions to address COVID-related stressors, which have an impact on health behaviors that, in turn, may influence vulnerability to COVID-19 and other health outcomes.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 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; 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 ».