Staying Safe for the Long Haul: A Health Belief Model Analysis of COVID-19 Preventive Behaviors Through the Lens of Long COVID
Notice bibliographique
Résumé
Health problems associated with post-acute COVID-19, also known as “Long COVID,” range from mild to severe. The best defense against this potentially serious condition is to prevent COVID-19 infection and reinfection. The same preventive measures for COVID-19 may be used to help prevent the spread of Long COVID. This study used the Health Belief Model (HBM) to examine whether and how public understanding and awareness of Long COVID and its prevention shape the adoption of COVID-19 preventive behaviors. N = 605 English-speaking U.S.-based adults were recruited via Qualtrics. Predictors of intention to carry out COVID-19 preventive behaviors were investigated. Outcomes included behaviors relevant to preventing both acute and Long COVID. Across all models, except the one examining intent to get a vaccine booster, Black respondents were more likely than White respondents to express intent to carry out COVID-19 preventive behaviors. In addition, HBM constructs added significantly to the regression models. Susceptibility to Long COVID was significant for all behavioral outcomes (all p s < .05), self-efficacy for wearing a mask ( p < .001), and self-efficacy for testing for COVID-19 after exposure and before a social event ( p s < .001). In addition, perceived benefits for Long COVID prevention predicted intent of mask-wearing ( p < .001), testing before a social event ( p = .002), and getting a vaccine booster ( p = .001). Perceived severity of Long COVID did not significantly predict adherence to preventive behaviors. U.S. adults are more likely to express intent to carry out COVID-19 preventive behaviors, such as masking and receiving booster vaccines, when they report feeling greater susceptibility to Long COVID as well as greater self-efficacy for engaging in these preventive behaviors. Public health messaging about Long COVID with incorporation of HBM constructs may be an effective means of increasing continued recommended COVID-19 preventive behaviors, which also hold co-benefits for prevention of infections, such as influenza and measles, as well as emerging viruses such as avian flu.
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 | 0,005 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».