Association Between Depression, Health Beliefs, and Face Mask Use During the COVID-19 Pandemic
Notice bibliographique
Résumé
The 2019 novel coronavirus (COVID-19) pandemic is associated with increases in psychiatric morbidity. It is unclear if similar rates are evident outside of mainland China or if people with depressive symptoms understand or apply COVID-19 information and face mask use guidelines differently to the general population. Therefore, this study aimed to examine associations between depression, health beliefs and face mask use during the COVID-19 pandemic among the general population in Hong Kong. This study gathered data from 11,072 Hong Kong adults via an online survey. Respondents self-reported their demographic characteristics, depressive symptoms (PHQ-9), face mask use, and health beliefs about COVID-19. Hierarchical logistic regression was used to identify independent variables associated with depression. The point-prevalence of probable depression was 46.5% (n=5,150. Respondents reporting higher mask reuse (OR=1.24, 95%CI 1.17-1.34), wearing masks for self-protection (OR=1.03 95%CI 1.01-1.06), perceived high susceptibility (OR=1.15, 95%CI 1.09-1.23) and high severity (OR=1.33, 95%CI 1.28-1.37) were more likely to report depression. Depression was less likely in those with higher scores for cues to action (OR=0.82, 95%CI 0.80-0.84), knowledge of COVID-19 (OR=0.95, 95%CI 0.91-0.99) and self-efficacy to wear mask properly (OR=0.90 95%CI 0.83-0.98). We identified a high point-prevalence of probable major depression and suicidal ideation during the COVID-19 outbreak in Hong Kong. The findings highlight that COVID-19 health information may be a protective factor of probable depression and suicidal ideation during the pandemic. Accurate and up-to-date health information should be disseminated to vulnerable subpopulations, perhaps using digital health technology and social media platforms to prompt professional help-seeking behaviour.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».