Conceptual replication and extension of health behavior theories' predictions in the context of COVID‐19: Evidence across countries and over time
Notice bibliographique
Résumé
Abstract Virus mitigation behavior has been and still is a powerful means to fight the COVID‐19 pandemic irrespective of the availability of pharmaceutical means (e.g., vaccines). We drew on health behavior theories to predict health‐protective (coping‐specific) responses and hope (coping non‐specific response) from health‐related cognitions (vulnerability, severity, self‐assessed knowledge, efficacy). In an extension of this model, we proposed orientation to internal (problem‐focused coping) and external (country capability) coping resources as antecedents of health protection and hope; health‐related cognitions were assumed as mediators of this link. We tested these predictions in a large multi‐national multi‐wave study with a cross‐sectional panel at T1 (Baseline, March‐April 2020; N = 57,631 in 113 countries) and a panel subsample at two later time points, T2 (November 2020; N = 3097) and T3 (April 2021; N = 2628). Multilevel models showed that health‐related cognitions predicted health‐protective responses and hope. Problem‐focused coping was mainly linked to health‐protective behaviors (T1‐T3), whereas country capability was mainly linked to hope (T1‐T3). These relationships were partially mediated by health‐related cognitions. We conceptually replicated predictions of health behavior theories within a real health threat, further suggesting how different coping resources are associated with qualitatively distinct outcomes. Both patterns were consistent across countries and time.
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 | 0,038 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 ».