Prevalence and measurement of anxiety and depression in nurses during COVID pandemic in Nepal
Notice bibliographique
Résumé
Background: Anxiety and depression are under reported, underdiagnosed mental illness in health worker in Nepal especially during COVID pandemic. The study was carried out as an observational study on nurses in Nepal. In this study we attempted to assess the incidence and impact of depression and anxiety in nurses who are working upfront in different hospitals during this crisis. Objective: The purpose of the study is to assess the prevalence of anxiety and depression among nurses in Nepal during COVID pandemic who are working in various hospitals. Method: A cross-sectional non-probability purposive sampling with observational analysis was carried out and the sample was collected from nurses working in different hospitals. Prevalence of anxiety and depression was assessed using a structured and validated questionnaire. Anxiety was assessed with the Hamilton Anxiety Scale (HAM-A), General Anxiety Disorder Questionnaires (GAD) with a cut-off score for various levels of anxiety while Hamilton Depression Rating Scale (HAM-D) was used to assess depression. Result: The analysis of these different scales revealed that disabling anxiety prevailed at highest (43.6%) in nursing staff according to HAM-A scale. Moderate anxiety also seemed to be higher (> 20%) in GAD questionnaire. Conclusion: This is the first study carried out in Nepal that investigates the mental health of nurses who are working in the frontline in this COVID pandemic situation. The study revealed that our nurses who have given their life in the line are suffering from serious mental health problems.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».