How culturally unique are pandemic effects? Evaluating cultural similarities and differences in effects of age, biological sex, and political beliefs on COVID impacts
Notice bibliographique
Résumé
Despite being bio-epidemiological phenomena, the causes and effects of pandemics are culturally influenced in ways that go beyond national boundaries. However, they are often studied in isolated pockets, and this fact makes it difficult to parse the unique influence of specific cultural psychologies. To help fill in this gap, the present study applies existing cultural theories via linear mixed modeling to test the influence of unique cultural factors in a multi-national sample (that moves beyond Western nations) on the effects of age, biological sex, and political beliefs on pandemic outcomes that include adverse financial impacts, adverse resource impacts, adverse psychological impacts, and the health impacts of COVID. Our study spanned 19 nations (participant N = 14,133) and involved translations into 9 languages. Linear mixed models revealed similarities across cultures, with both young persons and women reporting worse outcomes from COVID across the multi-national sample. However, these effects were generally qualified by culture-specific variance, and overall more evidence emerged for effects unique to each culture than effects similar across cultures. Follow-up analyses suggested this cultural variability was consistent with models of pre-existing inequalities and socioecological stressors exacerbating the effects of the pandemic. Collectively, this evidence highlights the importance of developing culturally flexible models for understanding the cross-cultural nature of pandemic psychology beyond typical WEIRD approaches.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».