MétaCan
Menu
Retour à la cohorte
Enregistrement W4310461601 · doi:10.2196/42616

The Impact of Mask Mandates on Face Mask Use During the COVID-19 Pandemic: Longitudinal Survey Study

2022· article· en· W4310461601 sur OpenAlexafffundvenue
Mawuena Binka, Prince Adu, Dahn Jeong, Nirma Khatri Vadlamudi, Héctor Alexander Velásquez García, Bushra Mahmood, Terri Buller-Taylor, Michael Otterstatter, Naveed Z. Janjua

Notice bibliographique

RevueJMIR Public Health and Surveillance · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueInfection Control and Ventilation
Établissements canadiensSt. Paul's HospitalBC Centre for Disease ControlUniversity of British Columbia
Organismes subventionnairesCanadian Institutes of Health ResearchMichael Smith Health Research BC
Mots-clésPandemicMandateFace masksPopulationCoronavirus disease 2019 (COVID-19)DemographyDestinationsGeographyEnvironmental healthMedicinePolitical scienceTourismSociology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Face mask use has been associated with declines in COVID-19 incidence rates worldwide. A handful of studies have examined the factors associated with face mask use in North America during the COVID-19 pandemic; however, much less is known about the patterns of face mask use and the impact of mask mandates during this time. This information could have important policy implications, now and in the event of future pandemics. OBJECTIVE: To address existing knowledge gaps, we assessed face mask usage patterns among British Columbia COVID-19 Population Mixing Patterns (BC-Mix) survey respondents and evaluated the impact of the provincial mask mandate on these usage patterns. METHODS: Between September 2020 and July 2022, adult British Columbia residents completed the web-based BC-Mix survey, answering questions on the circumstances surrounding face mask use or lack thereof, movement patterns, and COVID-19-related beliefs. Trends in face mask use over time were assessed, and associated factors were evaluated using multivariable logistic regression. A stratified analysis was done to examine effect modification by the provincial mask mandate. RESULTS: Of the 44,301 respondents, 81.9% reported wearing face masks during the 23-month period. In-store and public transit mask mandates supported monthly face mask usage rates of approximately 80%, which was further bolstered up to 92% with the introduction of the provincial mask mandate. Face mask users mostly visited retail locations (51.8%) and travelled alone by car (49.6%), whereas nonusers mostly traveled by car with others (35.2%) to their destinations-most commonly parks (45.7%). Nonusers of face masks were much more likely to be male than female, especially in retail locations and restaurants, bars, and cafés. In a multivariable logistic regression model adjusted for possible confounders, factors associated with face mask use included age, ethnicity, health region, mode of travel, destination, and time period. The odds of face mask use were 3.68 times greater when the provincial mask mandate was in effect than when it was not (adjusted odds ratio [aOR] 3.68, 95% CI 3.33-4.05). The impact of the mask mandate was greatest in restaurants, bars, or cafés (mandate: aOR 7.35, 95% CI 4.23-12.78 vs no mandate: aOR 2.81, 95% CI 1.50-5.26) and in retail locations (mandate: aOR 19.94, 95% CI 14.86-26.77 vs no mandate: aOR 7.71, 95% CI 5.68-10.46). CONCLUSIONS: Study findings provide added insight into the dynamics of face mask use during the COVID-19 pandemic. Mask mandates supported increased and sustained high face mask usage rates during the first 2 years of the pandemic, having the greatest impact in indoor public locations with limited opportunity for physical distancing targeted by these mandates. These findings highlight the utility of mask mandates in supporting high face mask usage rates during the COVID-19 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 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)0,005
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,925

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,105
Tête enseignante GPT0,394
Écart entre enseignants0,289 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations20
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJMIR Public Health and SurveillanceMême sujetInfection Control and VentilationTravaux en français237 207