Amir Pakpour är professor i hälsopsykologi vid Qazvin University i Iran och sedan 2016 affilierad forskare till Hälsohögskolan vid Jönköpings University. Han leder ett internationellt forskarteam som nu tagit fram en skala för att bedöma rädslor i samband med covid-19, och har svarat på Kvalitetsvårds frågor via mejl. Ur sin egen personliga erfarenhet ger han ett exempel på hur en rädsla för coronaviruset kan ge tragiska följder.
Så kan rädslan för covid-19 mätas
Forskning
Rädsla för covid-19 kan vara på både gott och ont. En respekt och rädsla för viruset har sin roll i motivationen att upprätthålla social distans och annat som ska hålla smittspridningen nere. Men den kan också bli en riktig fara.

Amir Pakpour. Foto: Patrik Svedberg.
Någonting är fel
Du är inloggad som prenumerant hos förlaget Pauser Media, men nånting är fel. På din profilsida ser du vilka av våra produkter som du har tillgång till. Skulle uppgifterna inte stämma på din profilsida – vänligen kontakta vår kundtjänst.
Kvalitetsvård.se premium
Läs vidare – starta din prenumeration
Redan prenumerant? Logga in och läs vidare.
– Det var en ung släkting till mig som gick bort, efter att ha undvit att söka vård för ett annat sjukdomstillstånd på grund av sin rädsla att drabbas av covid-19 på sjukhuset, berättar han.
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
