Association of Social Network Use With Increased Anxiety Related to the COVID-19 Pandemic in Anesthesiology, Intensive Care, and Emergency Medicine Teams: Cross-Sectional Web-Based Survey Study
Notice bibliographique
Résumé
BACKGROUND: Critical care teams are on the front line of managing the COVID-19 pandemic, which is stressful for members of these teams. OBJECTIVE: Our objective was to assess whether the use of social networks is associated with increased anxiety related to the COVID-19 pandemic among members of critical care teams. METHODS: We distributed a web-based survey to physicians, residents, registered and auxiliary nurses, and nurse anesthetists providing critical care (anesthesiology, intensive care, or emergency medicine) in several French hospitals. The survey evaluated the respondents' use of social networks, their sources of information on COVID-19, and their levels of anxiety and information regarding COVID-19 on analog scales from 0 to 10. RESULTS: We included 641 respondents in the final analysis; 553 (86.3%) used social networks, spending a median time of 60 minutes (IQR 30-90) per day on these networks. COVID-19-related anxiety was higher in social network users than in health care workers who did not use these networks (median 6, IQR 5-8 vs median 5, IQR 3-7) in univariate (P=.02) and multivariate (P<.001) analyses, with an average anxiety increase of 10% in social network users. Anxiety was higher among health care workers using social networks to obtain information on COVID-19 than among those using other sources (median 6, IQR 5-8 vs median 6, IQR 4-7; P=.04). Social network users considered that they were less informed about COVID-19 than those who did not use social networks (median 8, IQR 7-9 vs median 7, IQR 6-8; P<.01). CONCLUSIONS: Our results suggest that social networks contribute to increased anxiety in critical care teams. To protect their mental health, critical care professionals should consider limiting their use of these networks during the COVID-19 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 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 | 0,002 | 0,004 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».