Effects of home confinement on mental health and lifestyle behaviours during the COVID-19 outbreak: Insight from the ECLB-COVID19 multicenter study
Notice bibliographique
Résumé
Although recognised as effective measures to curb the spread of the COVID-19 outbreak, social distancing and self-isolation have been suggested to generate a burden throughout the population. To provide scientific data to help identify risk factors for the psychosocial strain during the COVID-19 outbreak, an international cross-disciplinary online survey was circulated in April 2020. This report outlines the mental, emotional and behavioural consequences of COVID-19 home confinement. The ECLB-COVID19 electronic survey was designed by a steering group of multidisciplinary scientists, following a structured review of the literature. The survey was uploaded and shared on the Google online survey platform and was promoted by thirty-five research organizations from Europe, North Africa, Western Asia and the Americas. Questions were presented in a differential format with questions related to responses "before" and "during" the confinement period. 1047 replies (54% women) from Western Asia (36%), North Africa (40%), Europe (21%) and other continents (3%) were analysed. The COVID-19 home confinement evoked a negative effect on mental wellbeing and emotional status (P < 0.001; 0.43 ≤ d ≤ 0.65) with a greater proportion of individuals experiencing psychosocial and emotional disorders (+10% to +16.5%). These psychosocial tolls were associated with unhealthy lifestyle behaviours with a greater proportion of individuals experiencing (i) physical (+15.2%) and social (+71.2%) inactivity, (ii) poor sleep quality (+12.8%), (iii) unhealthy diet behaviours (+10%), and (iv) unemployment (6%). Conversely, participants demonstrated a greater use (+15%) of technology during the confinement period. These findings elucidate the risk of psychosocial strain during the COVID-19 home confinement period and provide a clear remit for the urgent implementation of technology-based intervention to foster an Active and Healthy Confinement Lifestyle AHCL).
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».