Individuals’ positive gains from the COVID-19 pandemic: a qualitative study across 30 countries
Notice bibliographique
Résumé
Background: Given the limited understanding of individuals' positive gains, this study aimed to identify these gains that could be leveraged by policymakers to enhance future health and societal resilience. Methods: We used a global qualitative approach to survey adults over 18 from 30 countries across six World Health Organization (WHO) regions, who detailed up to three personal positive gains from COVID-19 pandemic via an open-ended question. Inductive thematic analysis was employed to identify main themes, and quantitative methods were used for demographic and regional comparisons based on the percentage of responses for each theme. Results: From 35 911 valid responses provided by 13 853 participants, six main themes (one negative theme), 39 subthemes, and 673 codes were identified. Five positive gain themes emerged, ordered by response frequency: 1) improved health awareness and practices; 2) strengthened social bonds and trust; 3) multi-dimensional personal growth; 4) resilience and preparedness building; 5) accelerated digital transformation. The percentage of responses under these themes consistently appeared in the same order across various demographic groups and economic development levels. However, there were variations in the predominant theme across WHO regions and countries, with either Theme 1, Theme 2, or Theme 3 having the highest percentage of responses. Although our study primarily focused on positive gains, unexpectedly, 12% of responses (4304) revealed 'negative gains', leading to an unforeseen theme: 'Distrust and emerging vulnerabilities.' While this deviates from our main topic, we retained it as it provides valuable insights. Notably, these 'negative gains' had a higher percentage of responses in areas like Burundi (94.1%), Rwanda (31.8%), Canada (26.9%), and in the African Region (37.7%) and low-income (43.9%) countries, as well as among non-binary individuals, those with lower education, and those facing employment challenges. Conclusions: Globally, the identified diverse positive gains guide the domains in which health policies and practices can transform these transient benefits into enduring improvements for a healthier, more resilient society. However, variations in thematic responses across demographics, countries, and regions highlights need for tailored health strategies.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».