Impact of biological sex and gender-related factors on public engagement in protective health behaviours during the COVID-19 pandemic: cross-sectional analyses from a global survey
Notice bibliographique
Résumé
OBJECTIVE: Given the role of sociocultural gender in shaping human behaviours, the main objective of this study was to examine whether sex and gender-related factors were associated with the public's adherence to COVID-19-recommended protective health behaviours. DESIGN: This was a retrospective analysis of the survey that captured data on people's awareness, attitudes and behaviours as they relate to the COVID-19 policies. SETTING: Data from the International COVID-19 Awareness and Responses Evaluation survey collected between March 2020 and February 2021 from 175 countries. PARTICIPANTS: Convenience sample around the world. MAIN OUTCOME MEASURES: We examined the role of sex and gender-related factors in relation to non-adherence of protective health behaviours including: (1) hand washing; (2) mask wearing; and (3) physical distancing. Multivariable logistic regression was conducted to determine the factors associated with non-adherence to behaviours. RESULTS: Among 48 668 respondents (mean age: 43 years; 71% female), 98.3% adopted hand washing, 68.5% mask wearing and 76.9% physical distancing. Compared with males, females were more likely to adopt hand washing (OR=1.97, 95% CI: 1.71 to 2.28) and maintain physical distancing (OR=1.28, 95% CI: 1.22 to 1.34). However, in multivariable sex-stratified models, females in countries with higher Gender Inequality Indexes (GII) were less likely to report hand washing (adjusted OR (aOR)=0.47, 95% CI: 0.21 to 1.05). Females who reported being employed (aOR=0.22, 95% CI: 0.10 to 0.48) and in countries with low/medium GIIs (aOR=0.18, 95% CI 0.06 to 0.51) were less likely to report mask wearing. Females who reported being employed were less likely to report physical distancing (aOR=0.39, 95% CI: 0.32 to 0.49). CONCLUSION: While females showed greater adherence to COVID-19 protective health behaviours, gender-related factors, including employment status and high country-wide gender inequality, were independently associated with non-adherence. These findings may inform public health and vaccination policies in current as well as future pandemics.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».