MétaCan
Menu
Retour à la cohorte
Enregistrement W4396933785 · doi:10.2196/45840

Pandemic Fatigue and Preferences for COVID-19 Public Health and Social Measures in China: Nationwide Discrete Choice Experiment

2024· article· en· W4396933785 sur OpenAlexvenueno aff
Meng Yang, Zonglin He, Taoran Liu, Wai‐Kit Ming

Notice bibliographique

RevueJMIR Public Health and Surveillance · 2024
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Environmental Valuation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPandemicCoronavirus disease 2019 (COVID-19)Public health2019-20 coronavirus outbreakChinaSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Environmental healthPsychologyMedicineVirologyGeographyOutbreakNursingDisease

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Information on the public's preferences for current public health and social measures (PHSMs) and people's mental health under PHSMs is insufficient. OBJECTIVE: This study aimed to quantify the public's preferences for varied PHSMs and measure the level of pandemic fatigue in the COVID-19 normalization stage in China. METHODS: A nationwide cross-sectional study with a discrete choice experiment and psychometric scales was conducted to assess public preferences for and attitudes toward PHSMs, using the quota sampling method. The COVID-19 Pandemic Fatigue Scale (CPFS) was used to screen fatigue levels among respondents. The multinomial logit model, latent class model, and Mann-Whitney test were used for statistical analysis. We also conducted subgroup analysis based on sex, age, monthly income, mental health status, and pandemic fatigue status. RESULTS: A total of 689 respondents across China completed the survey. The discrete choice experiment revealed that respondents attached the greatest importance to the risk of COVID-19 infection within 3 months (45.53%), followed by loss of income within 3 months (30.69%). Vulnerable populations (low-income populations and elderly people) were more sensitive to the risk of infection, while younger respondents were more sensitive to income loss and preferred nonsuspension of social places and transportation. Migrants and those with pandemic fatigue had less acceptance of the mandatory booster vaccination and suspension of transportation. Additionally, a higher pandemic fatigue level was observed in female respondents, younger respondents, migrants, and relatively lower-income respondents (CPFS correlation with age: r=-0.274, P<.001; correlation with monthly income: r=-0.25, P<.001). Mandatory booster COVID-19 vaccination was also not preferred by respondents with a higher level of pandemic fatigue, while universal COVID-19 booster vaccination was preferred by respondents with a lower level of pandemic fatigue. CONCLUSIONS: Pandemic fatigue is widely prevalent in respondents across China, and respondents desired the resumption of normal social life while being confronted with the fear of COVID-19 infection in the normalization stage of COVID-19 in China. During future pandemics, the mental burden and adherence of residents should be considered for the proper implementation of PHSMs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,260
Tête enseignante GPT0,354
Écart entre enseignants0,094 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Public Health and SurveillanceMême sujetEconomic and Environmental ValuationTravaux en français237 207