Does healthcare access affect trust in institutions? Empirical evidence in Canada during the COVID-19 pandemic
Notice bibliographique
Résumé
PURPOSE: The paper investigates the determinants of citizens' trust in institutions, including banks and companies, during the COVID-19 pandemic in Canada. DESIGN/METHODOLOGY/APPROACH: We used a survey, conducted in 2020, with 36,851 respondents to identify what made some trust and others distrust institutions during the COVID-19 pandemic. Our methodology incorporated ordinary least squares and logit estimations. FINDINGS: Lack of healthcare access had a significant negative impact on people's trust in institutions. Consistent with life experience theory, we found that individuals facing healthcare barriers may distrust firms and banks. Sociodemographic variables, including gender, education and marital status, were likely to shape the effect of healthcare access problems on trust in institutions. Moreover, mental health issues stemming from healthcare access problems adversely affected trust in banks and firms, suggesting that people who had mental health problems during COVID-19 were more likely to lose trust in these institutions. The relationship between healthcare access and trust in banks and firms was more pronounced among men and highly educated people. The results were robust to the instrumental variable approach. PRACTICAL IMPLICATIONS: We showed that a link between trust in institutions and problems with healthcare access can inspire partnerships between Canadian institutional entities, typically banks and firms, and healthcare organizations. This would help strengthen long-term trust in these institutions. ORIGINALITY/VALUE: The potential long-term economic consequences of COVID-19 created a crisis in the public's trust in institutions, typically firms and banks. This paper examined the relationship between healthcare access and trust in institutions, addressing the limited evidence on this topic.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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 ».