Factors Associated With Levels of Public Engagement in Protective Behaviors During the Early COVID-19 Pandemic: Causal-Comparative Study Based on the Health Belief Model
Notice bibliographique
Résumé
BACKGROUND: While the challenges of COVID-19 are still unfolding, the enhancement of protective behavior remains a top priority in global health care. However, current behavior-promoting strategies may be inefficient without first identifying the individuals with lower engagement in protective behavior and the associating factors. OBJECTIVE: This study aimed to identify individuals with and potential contributing factors to low engagement in protective behavior during the COVID-19 pandemic. METHODS: This is a causal-comparative study. A theory-based web-based survey was used to investigate individuals' protective behavior and potential associating factors. During June 2020, the distribution of the survey was targeted to 3 areas: Taiwan, Japan, and North America. Based on the theory of the health belief model (HBM), the survey collected participants' various perceptions toward COVID-19 and a collection of protective behaviors. In addition to the descriptive analysis, cluster analysis, ANOVA, and Fisher exact and chi-square tests were used. RESULTS: A total of 384 responses were analyzed. More than half of the respondents lived in Taiwan, followed by Japan, then North America. The respondents were grouped into 3 clusters according to their engagement level in all protective behaviors. These 3 clusters were significantly different from each other in terms of the participants' sex, residency, perceived barriers, self-efficacy, and cues of action. CONCLUSIONS: This study used an HBM-based questionnaire to assess protective behaviors against COVID-19 and the associated factors across multiple countries. The findings indicate significant differences in various HBM concepts among individuals with varying levels of behavioral engagement.
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 | 0,008 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».