Predictors of Food and Water Stockpiling During the COVID-19 Pandemic Among Latinos and Non-Latino Black People
Notice bibliographique
Résumé
OBJECTIVE: The study examined factors associated with food and water stockpiling (FWS) during the COVID-19 pandemic. METHODS: A secondary analysis of online survey data collected in two waves: April 2020 (wave 1) and June/July 2020 (wave 2), was conducted through REDCap web application. A total of 2,271 Non-Latino Black and Latino adults (mean age: 36.8 years (SD = 16.0); 64.3% female) living in Illinois were recruited. Participants self-reported if they stockpiled food and/or water (FWS) seven days prior to survey completion because of the pandemic. Logistic regression was used to determine if each variable was associated with the odds of reporting FWS. RESULTS: Nearly a quarter (23.3%) of participants reported FWS. The adjusted model revealed that odds of FWS increase as the number of household members increased (OR: 1.21; 95% CI: 1.05-1.41). Odds of FWS were lower among participants who were not self-quarantining compared to those self-quarantining all the time (OR: 0.32; 95% CI: 0.17 - 0.62). Furthermore, individuals with lower levels of concern about COVID-19 had lower odds of FWS than those extremely concerned. CONCLUSIONS: Household size, self-quarantine status, and concern about COVID-19 were significantly associated with FWS. These findings highlight the need to address the concerns of marginalized individuals to promote healthy behaviors.
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 | 0,003 | 0,001 |
| 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 | 0,002 | 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 ».