Fear in general populations: A cross-sectional study on perceived fear of common diseases, COVID-19, life events, and environmental threats in 30 countries
Notice bibliographique
Résumé
Background: In this study, we assessed the general population's fears towards various diseases and events, aiming to inform public health strategies that balance health-seeking behaviours. Methods: We surveyed adults from 30 countries across all World Health Organization (WHO) regions between July 2020 and August 2021. Participants rated their fear of 11 factors on an 11-point Likert scale. We stratified the data by age and gender and examined variations across countries and regions through multidimensional preference analysis. Results: Of the 16 512 adult participants, 62.7% (n = 10 351) were women. The most feared factor was the loss of family members, reported by 4232 participants (25.9%), followed by cancer (n = 2248, 13.7%) and stroke (n = 1416, 8.7%). The highest weighted fear scores were for loss of family members (mean (x̄) = 7.46, standard deviation (SD) = 3.04), cancer (x̄ = 7.00, SD = 3.09), and stroke (x̄ = 6.61, SD = 3.24). The least feared factors included animals/insects (x̄ = 3.72, SD = 2.96), loss of a mobile phone (x̄ = 4.27, SD = 2.98), and social isolation (x̄ = 4.83, SD = 3.13). Coronavirus disease 2019 (COVID-19) was the sixth most feared factor (x̄ = 6.23, SD = 2.92). Multidimensional preference analyses showed distinct fears of COVID-19 and job loss in Australia and Burundi. The other countries primarily feared loss of family members, cancer, stroke, and heart attacks; this ranking was consistent across WHO regions, economic levels, and COVID-19 severity levels. Conclusions: Fear of family loss can improve public health messaging, highlighting the need for bereavement support and the prevention of early death-causing diseases. Addressing cancer fears is crucial to encouraging the use of preventive services. Fear of non-communicable diseases remains high during health emergencies. Top fears require more resources and countries with similar concerns should collaborate internationally for effective fear management.
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 | 0,001 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».