MétaCan
Menu
Retour à la cohorte
Enregistrement W3028983165 · doi:10.2196/20696

Using Internet-Based Psychological Measurement to Capture the Deteriorating Community Mental Health Profile During COVID-19: Observational Study

2020· article· en· W3028983165 sur OpenAlexvenueno aff
Joep van Agteren, Jonathan Bartholomaeus, Daniel B. Fassnacht, Matthew Iasiello, Kathina Ali, Laura Lo, Michael Kyrios

Notice bibliographique

RevueJMIR Mental Health · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMental healthPandemicPsychologyPsychological interventionObservational studyTelehealthPsychiatryMedicineClinical psychologyTelemedicineCoronavirus disease 2019 (COVID-19)Health careDiseaseInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The coronavirus disease (COVID-19) is expected to have widespread and pervasive implications for mental health in terms of deteriorating outcomes and increased health service use, leading to calls for empirical research on mental health during the pandemic. Internet-based psychological measurement can play an important role in collecting imperative data, assisting to guide evidence-based decision making in practice and policy, and subsequently facilitating immediate reporting of measurement results to participants. OBJECTIVE: The aim of this study is to use an internet-based mental health measurement platform to compare the mental health profile of community members during COVID-19 with community members assessed before the pandemic. METHODS: This study uses an internet-based self-assessment tool to collect data on psychological distress, mental well-being, and resilience in community cohorts during (n=673) and prior to the pandemic (two cohorts, n=1264 and n=340). RESULTS: Our findings demonstrate significantly worse outcomes on all mental health measures for participants measured during COVID-19 compared to those measured before (P<.001 for all outcomes, effect sizes ranging between Cohen d=0.32 to Cohen d=0.81. Participants who demonstrated problematic scores for at least one of the mental health outcomes increased from 58% (n=197/340) before COVID-19 to 79% (n=532/673) during COVID-19, leading to only 21% (n=141) of measured participants displaying good mental health during the pandemic. CONCLUSIONS: The results clearly demonstrate deterioration in mental health outcomes during COVID-19. Although further research is needed, our findings support the serious mental health implications of the pandemic and highlight the utility of internet-based data collection tools in providing evidence to innovate and strengthen practice and policy during and after the pandemic.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,472
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0030,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,499
Tête enseignante GPT0,531
Écart entre enseignants0,032 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations73
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Mental HealthMême sujetCOVID-19 and Mental HealthTravaux en français237 207