An Information-Motivation-Behavioral Skills (IMB) model of pandemic risk and prevention
Notice bibliographique
Résumé
COVID-19 will be with us well into the future, and four years into the pandemic, it continues to cause serious individual and public health consequences and economic impact worldwide. Mindful of the staggering continuing costs of the COVID-19 pandemic, calls are urgently being made to “prepare now for the next pandemic.” Containing future pandemics will require at the very core widespread, voluntary, and sustained behavior change to prevent spread of pandemic disease. Such efforts must be based upon well-validated behavioral science models of health behavior change articulated to foreseeable future pandemic contexts. We present an Information-Motivation-Behavioral Skills (IMB) Model of Pandemic Risk and Prevention as a conceptual foundation for understanding the determinants and dynamics of pandemic risk and preventive behavior and as a systematic framework for the design, implementation, and evaluation of interventions to promote and maintain pandemic preventive behavior. Our model is highly generalizable across pandemic scenarios. It is currently testable in the context of COVID-19, and can be tested in future localized epidemics and in pandemic simulation studies. The IMB model of Health Behavior Change, upon which our new model is based, is an empirically well validated and supported multivariate model utilized successfully for decades to understand and promote behavior change in multiple health domains. Our introduction of the IMB Model of Pandemic Risk and Prevention aims to contribute to theoretically- and empirically-based efforts to reduce risk and promote prevention in future pandemics and in the continuing 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 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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,002 |
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 ».