MétaCan
Menu
Retour à la cohorte
Enregistrement W4308461000 · doi:10.1016/j.dib.2022.108732

COVID-19 behavior determinants dataset

2022· article· en· W4308461000 sur OpenAlexafffundabout
Jianmeng Song, Julia Kim, Ariel Graff‐Guerrero, Lena C. Quilty, Marcos Sanches, Samantha Wells, Eric E. Brown, Branka Agic, Bruce G. Pollock, Philip Gerretsen

Notice bibliographique

RevueData in Brief · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensMental Health Research CanadaPublic Health OntarioUniversity of TorontoCentre for Addiction and Mental Health
Organismes subventionnairesLinda C. Campbell FoundationCentre for Addiction and Mental Health Foundation
Mots-clésSeriousnessCoronavirus disease 2019 (COVID-19)Social distancePublic healthPandemic2019-20 coronavirus outbreakPsychologySevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)GerontologyMedicinePolitical scienceNursing

Résumé

récupéré en direct d'OpenAlex

The COVID-19 Behavior Determinants Database (http://covid19-database.com) is a research project that examined the sociodemographic and psychological determinants of COVID-19 related attitudes and behaviors. It is a comprehensive web-based survey that was administered to adults ages 18 or older (total n=8070) from the United States of America (n = 5326), including the four most populous states, specifically New York, California, Florida, and Texas, and Canada (n = 2744), including all provinces, except Quebec. The survey was collected at three timepoints, May 2020 (n=1019), July 2020 (n=4027), and March 2021 (n=3024). Participants provided detailed sociodemographic information and completed a battery of psychological assessments. Participants also provided information about prior testing for COVID-19 and perceived seriousness of COVID-19 and the need for current physical (social) distancing restrictions. The database is helpful to researchers and public health policy decision-makers who are interested in investigating and identifying the determinants of COVID-19 related attitudes and behaviors in North America.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,264
Score d'incertitude au seuil0,988

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0130,000

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.

Tête enseignante Opus0,218
Tête enseignante GPT0,505
Écart entre enseignants0,287 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueData in BriefMême sujetCOVID-19 and Mental HealthTravaux en français237 207