Factors influencing risk perception during Public Health Emergencies of International Concern (PHEIC): a scoping review
Notice bibliographique
Résumé
The unknownness and dread potential of a risk event shapes its perceived risk. A public health emergency of international concern (PHEIC) declaration by the World Health Organisation (WHO) is a signal for such an event. Understanding perceived risk then shapes risk-avoiding behaviours, important for health prevention. The review aims to consolidate the determinants of risk perception during a PHEIC, underscoring the need for grounding in context and theory. Studies published from 2010 until end-2020, searching PubMed, PsycINFO, MedlinePlus, PubPsych, and CINAHL, were included. Studies with only biological conceptualisations of risk, or no association to risk perception, were excluded. A total of 65 studies were included. Quality of the cross-sectional studies was assessed using Newcastle Ottawa Scale (NOS), yielding an average of 5.4 stars (out of 10). Factors were classified into three broad categories - individual, contextual, and media. Individual risk factors include emotions; beliefs, trust, and perceptions; immutable physical traits (sex, age, ethnicity); mutable traits (education, income, etc.); and knowledge, with no definitive correlation to risk perception. Contextual traits include pandemic experience, time, and location, with only time negatively correlated to risk perception. Media traits include exposure, attention, and framing of media, with no clear association to risk perception. One limitation is excluding a portion of COVID-19 studies due to censoring. Still, this lack of consensus highlights the need to better conceptualise "risk perception". Specifying the context and timing is also important since jurisdictions experience different outbreaks depending on outbreak histories. Using theories to ground risk perception research assists with these tasks.
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 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,006 |
| Bibliométrie | 0,009 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».