Development and validation of the Trust in Government measure (TGM)
Notice bibliographique
Résumé
BACKGROUND: Trust in government is associated with health behaviours and is an important consideration in population health interventions. While there is a reported decline in public trust in government across OECD countries, the tools used to measure trust are limited in their use for informing action to (re)build trust, and have limitations related to reliability and validity. To address the limitations of existing measures available to track public trust, the aim of the present work was to develop a new measure of trust in government. METHODS: Fifty-six qualitative interviews (Aug-Oct 2021; oversampling for equity-deserving populations) were conducted to design a national survey, including factor analyses and validation testing (N = 878; June 1-14th 2022) in Canada. RESULTS: The measure demonstrated strong internal consistency (α = 0.96) and test validity (CFI = 0.96, RMSEA = 0.09, SRMR = 0.03), suggesting that trust in government can be measured as a single underlying construct. It also demonstrated strong criterion validity, as measured by significant (p < 0.0001) associations of scores with vaccine hesitancy, vaccine conspiracy beliefs, COVID-19 conspiracy beliefs, trust in public health messaging about COVID-19, and trust in public health advice about COVID-19. We present the Trust in Government Measure (TGM); a 13-item unidimensional measure of trust in Federal government. CONCLUSIONS: This measure can be used within high-income countries, particularly member countries within the OECD already in support of using tools to collect, publish and compare statistics. Our measure should be used by researchers and policy makers to measure trust in government as a key indicator of societal and public health.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».