A situational test of the health belief model: How perceived susceptibility mediates the effects of the environment on behavioral intentions
Notice bibliographique
Résumé
OBJECTIVE: Existing evidence regarding the role of perceived susceptibility in shaping preventative health behavior is mixed for the Health Belief Model (HBM). To clarify whether and under which conditions perceived susceptibility affects preventative behavior, this study aims to better understand how situational environmental factors affect perceived susceptibility, thereby shaping health decisions, and whether this mediation relationship is conditioned by other HBM cognitions, namely perceived benefits and severity. METHODS: Therefore, we employed a scenario-based experiment in a large, representative sample of the German population (N = 4,802) in April 2022. Respondents were presented with a fictional invitation to a social gathering, which mimicked a post in a messenger group chat. The invitation included five experimentally manipulated scenarios: no COVID-19 preventative measure implemented, a COVID-19 test is required; either testing negative, being vaccinated, or being recovered from COVID-19 is required (known as 3G in the German context); reduced number of attendees; or the social gathering occurred outside. Moreover, perceived susceptibility to contract COVID-19 at the social gathering and perceived severity and benefits (independent of the scenario) were measured. RESULTS: We found evidence that perceived susceptibility mediates the relationship between each implemented preventative measure and willingness to attend the social gathering. The effect of the preventative measures on perceived susceptibility and the indirect effect of the preventative measure on attendance via perceived susceptibility were moderated by perceived benefits. However, there is lack of robust evidence that perceived severity moderates the effect of perceived susceptibility on attendance. CONCLUSION: In summary, our study provides evidence that individuals perceive and adapt their perceptions and behavior to preventive measures in a given situation, which speaks to the dynamic nature of the cognition perceived susceptibility. Moreover, our findings suggest a promising avenue forward for the HBM is to examine how the cognitions and the environment together shape preventative health behavior.
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 | 0,005 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».