Religious engagement and antibody response to the COVID‐19 vaccine
Notice bibliographique
Résumé
Abstract This research examined religious engagement and subsequent antibody responses to the COVID‐19 vaccine. Using publicly available data from the Understanding Society survey, we employed a longitudinal design. Between January 2016 and May 2018, respondents completed measures of religious belonging, frequency of attending religious services (i.e., extrinsic religiosity), and the difference religion made to their lives (i.e., intrinsic religiosity). A COVID‐19 survey wave was collected in March 2021 and measured antibody responses to the COVID‐19 vaccine via blood draw. A final sample of 746 adults [462 (61.9%) females, M age = 61.94, SD = 19.07] was achieved. Mediation analyses (PROCESS, Model 4; Hayes, Introduction to mediation, moderation, and conditional process analysis: A regression‐based approach , The Guildford Press, 2022; Introduction to mediation, moderation, and conditional process analysis: A regression‐based approach ; The Guildford Press) revealed one pathway through which religion and antibody responses to the COVID‐19 vaccine are associated, namely via extrinsic factors—attendance at religious services. In contrast, intrinsic religious factors which is the difference religion can make to one's life, was not a significant mediator. Overall, this analysis provides evidence that behavioural enactment of religion matters to the effectiveness of vaccination and the management of public health crises. It also highlights the value of social resources associated with engagement in valued social groups—and in particular religious social groups—for 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 | 0,009 | 0,001 |
| 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 | 0,001 | 0,000 |
| 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 ».