Impactos da COVID-19 na saúde mental da população chinesa no início da epidemia: Revisão Integrativa
Notice bibliographique
Résumé
Objetivo: revisar as publicações científicas atuais sobre os impactos da COVID-19 na saúde mental da população chinesa no início da epidemia. Método: Trata-se de uma revisão integrativa com levantamento de estudos em bases de dados online: PubMed, SciELO e LILACS. Os descritores utilizados na busca foram: "COVID 19 AND social isolation" "COVID 19 AND mental health" "COVID 19 AND psychological stress" "COVID 19 AND panic" "COVID 19 AND anxiety" "COVID 19 AND emotions". A busca compreendeu o período de 01 de abril de 2020 a 14 de abril de 2020. Foram selecionados estudos nos idiomas português, inglês e espanhol. Resultados: Quatro atenderam aos critérios de elegibilidade e compuseram a leitura e síntese da presente revisão. Conclusão: Evidenciou-se a presença de indicadores emocionais negativos, como: a ansiedade, depressão, estresse, indignação, diminuição da felicidade, aumento da sensação de risco social e diminuição na satisfação com a vida, redução da qualidade do sono e níveis baixos de capital social. Apesar dos atuais estudos serem realizados apenas em um país, a China, os resultados podem auxiliar no entendimento das condições da saúde mental daquela população e servir de exemplo para a realização de pesquisas em outros países, que devem avaliar a saúde mental da sua própria população com o intuito de direcionar iniciativas de saúde pública.
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 | 0,013 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,009 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».