The inhibitors and enablers of emerging adult COVID-19 mitigation compliance in a township context
Notice bibliographique
Résumé
Young adults are often scapegoated for not complying with COVID-19 mitigation strategies. While studies have investigated what predicts this population’s compliance and non-compliance, they have largely excluded the insights of African young people living in South African townships. Given this, it is unclear what places young adult South African township dwellers at risk for not complying with physical distancing, face masking and handwashing, or what enables resilience to those risks. To remedy this uncertainty, the current article reports a secondary analysis of transcripts (n=119) that document telephonic interviews in June and October 2020 with 24 emerging adults (average age: 20 years) who participated in the Resilient Youth in Stressed Environments (RYSE) study. The secondary analysis, which was inductively thematic, pointed to compliance being threatened by forgetfulness; preventive measures conflicting with personal/collective style; and structural constraints. Resilience to these compliance risks lay in young people’s capacity to regulate their behaviour and in the immediate social ecology’s capacity to co-regulate young people’s health behaviours. These findings discourage health interventions that are focused on the individual. More optimal public health initiatives will be responsive to the risks and resilience-enablers associated with young people and the social, institutional, and physical ecologies to which young people are connected. Significance: Emerging adult compliance with COVID-19 mitigation strategies is threatened by risks across multiple systems (i.e. young people themselves; the social ecology; the physical ecology). Emerging adult resilience to compliance challenges is co-facilitated by young people and their social ecologies. Responding adaptively to COVID-19 contagion threats will require multisystem mobilisation that is collaborative and transformative in its redress of risk and co-championship of resilience-enablers. Open data set: https://doi.org/10.25392/leicester.data.17129858
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».