Does pre-COVID impulsive behaviour predict adherence to hygiene and social distancing measures in youths following the COVID-19 pandemic onset? Evidence from a South African longitudinal study.
Notice bibliographique
Résumé
BACKGROUND: Engagement in protective behaviours relating to the COVID-19 pandemic has been proposed to be key to infection control. This is particularly the case for youths as key drivers of infections. A range of factors influencing adherence have been identified, including impulsivity and risk taking. We assessed the association between pre-COVID impulsivity levels and engagement in preventative measures during the COVID-19 pandemic in a longitudinal South African sample, in order to inform future pandemic planning. METHODS: Data were collected from N = 214 youths (mean age at baseline: M = 17.81 (SD = .71), 55.6% female) living in a South African peri-urban settlement characterised by high poverty and deprivation. Baseline assessments were taken in 2018/19 and the COVID follow-up was conducted in June-October 2020 via remote data collection. Impulsivity was assessed using the Balloon Analogue Task (BART), while hygiene and social distancing behaviours were captured through self-report. Stepwise hierarchical regression analyses were performed to estimate effects of impulsivity on measure adherence. RESULTS: Self-rated engagement in hygiene behaviours was high (67.1-86.1% "most of the time", except for "coughing/sneezing into one's elbow" at 33.3%), while engagement in social distancing behaviours varied (22.4-57.8% "most of the time"). Higher impulsivity predicted lower levels of hygiene (β = .14, p = .041) but not social distancing behaviours (β = -.02, p = .82). This association was retained when controlling for a range of demographic and COVID-related factors (β = .14, p = .047) and was slightly reduced when including the effects of a life-skills interventions on hygiene behaviour (β = -.13, p = .073). CONCLUSIONS: Our data indicate that impulsivity may predict adolescent engagement in hygiene behaviours post COVID-19 pandemic onset in a high risk, sub-Saharan African setting, albeit with a small effect size. For future pandemics, it is important to understand predictors of engagement, particularly in the context of adversity, where adherence may be challenging. Limitations include a small sample size and potential measure shortcomings.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».