Resilience during uncertainty? Greater social connectedness during COVID‐19 lockdown is associated with reduced distress and fatigue
Notice bibliographique
Résumé
BACKGROUND: Social connections are crucial for our health and well-being. This is especially true during times of high uncertainty and distress, such as during the COVID-19 lockdown. This period was characterized by unprecedented physical distancing (often communicated as social distancing) measures resulting in significant changes to people's usual social lives. Given the potential effects of this disruption on people's well-being, it is crucial to identify factors which are associated with negative health outcomes, and conversely, those that promote resilience during times of adversity. AIMS: We examined the relationship between individuals' levels of social connectedness during lockdown and self-reported stress, worry, and fatigue. METHOD: Survey data were collected from 981 individuals in a representative sample of Austrian citizens. Data collection occurred during the last week of a six-week nationwide lockdown due to the COVID-19 pandemic. The final sample consisted of 902 participants. Participants were asked to complete validated questionnaires to assess levels of social connectedness as well as measures of perceived stress, worry-both general and COVID-19 specific-and symptoms of fatigue during the previous two weeks. RESULTS: Our results demonstrate that greater social connectedness during the lockdown period was associated with lower levels of perceived stress, as well as general and COVID-19-specific worries. Furthermore, we found a negative relationship between fatigue and social connectedness, which was mediated by feelings of stress, general worries, and COVID-19-specific worries-respectively, indicating that individuals with smaller network sizes, who were highly distressed during the pandemic, were also likely to report feeling more fatigued. CONCLUSION: Our findings highlight the important role that social connections play in promoting resilience by buffering against negative physical and mental health outcomes, particularly in times of adversity in times of adversity.
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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».