Disparities and Factors Associated with Coronavirus Disease-2019-Related Public Stigma: A Cross-Sectional Study in Thailand
Notice bibliographique
Résumé
Coronavirus disease 2019 (COVID-19)-related public stigma is a major challenge, with scarce available evidence. This study aimed to determine the disparities and factors associated with COVID-19-related public stigma in the Thai population. We conducted a cross-sectional study involving a voluntary online survey in Thailand from 21 April 2020 to 4 May 2020. We invited 4004 participants to complete a series of questionnaires, including the validated COVID-19 public stigma scale and questions on relevant COVID-19-related psychosocial issues. Multinomial logistic regression was performed to investigate the factors associated with COVID-19-related public stigma. The prevalence of COVID-19-related public stigma was 24.2% (95% confidence interval [CI], 22.2-26.2) for no/minimal, 35.5% (95% CI, 33.4-37.6) for moderate, and 40.3% (95% CI, 38.2-42.4) for high. We observed disparities in the prevalence of COVID-19-related public stigma according to participant characteristics and psychosocial factors. Using the no/minimal group as a reference group, the six predominant risk factors significantly associated with a moderate and high degree of COVID-19-related public stigma were middle-aged or older adults, male, divorced/widowed/separated, current quarantine status, moderate/severe fear of COVID-19, and medium/high perceived risk of COVID-19. Additional risk factors significantly related to a high degree of COVID-19-related public stigma were religion (Buddhist), region of residence (non-capital city), and exposure to COVID-19-related information. Disparities in COVID-19-related public stigma due to sociodemographic and psychosocial issues are frequent in the Thai population. To reduce public stigmatization, early identification of vulnerable groups and the development of tailored mitigation strategies should be implemented during the pandemic.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».