MétaCan
Menu
Retour à la cohorte
Enregistrement W3107044544 · doi:10.2196/24776

Psychological Impacts of COVID-19 During the First Nationwide Lockdown in Vietnam: Web-Based, Cross-Sectional Survey Study

2020· article· en· W3107044544 sur OpenAlexvenueno aff
Khanh Ngoc Cong Duong, Nguyen Le Bao Tien, Phuong Nguyen, Vo Van Thanh, Toi Lam Phung, Anh Gia Pham, Luerat Anuratpanich, Bay Vo Van

Notice bibliographique

RevueJMIR Formative Research · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAnxietyCross-sectional studyDepression (economics)Clinical psychologyMental healthPopulationMedicineDASSDistressPsychological distressPsychologyDemographyPsychiatryEnvironmental health

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The first nationwide lockdown due to the COVID-19 pandemic was implemented in Vietnam from April 1 to 15, 2020. Nevertheless, there has been limited information on the impact of COVID-19 on the psychological health of the public. OBJECTIVE: This study aimed to estimate the prevalence of psychological issues and identify the factors associated with the psychological impact of COVID-19 during the first nationwide lockdown among the general population in Vietnam. METHODS: We employed a cross-sectional study design with convenience sampling. A self-administered, online survey was used to collect data and assess psychological distress, depression, anxiety, and stress of participants from April 10 to 15, 2020. The Impact of Event Scale-Revised (IES-R) and the Depression, Anxiety, and Stress Scale-21 (DASS-21) were utilized to assess psychological distress, depression, anxiety, and stress of participants during social distancing due to COVID-19. Associations across factors were explored using regression analysis. RESULTS: A total of 1385 respondents completed the survey. Of this, 35.9% (n=497) experienced psychological distress, as well as depression (n=325, 23.5%), anxiety (n=195, 14.1%), and stress (n=309, 22.3%). Respondents who evaluated their physical health as average had a higher IES-R score (beta coefficient [B]=9.16, 95% CI 6.43 to 11.89), as well as higher depression (B=5.85, 95% CI 4.49 to 7.21), anxiety (B=3.64, 95% CI 2.64 to 4.63), and stress (B=5.19, 95% CI 3.83 to 6.56) scores for DASS-21 than those who rated their health as good or very good. Those who self-reported their health as bad or very bad experienced more severe depression (B=9.57, 95% CI 4.54 to 14.59), anxiety (B=7.24, 95% CI 3.55 to 10.9), and stress (B=10.60, 95% CI 5.56 to 15.65). Unemployment was more likely to be associated with depression (B=3.34, 95% CI 1.68 to 5.01) and stress (B=2.34, 95% CI 0.84 to 3.85). Regarding worries about COVID-19, more than half (n=755, 54.5%) expressed concern for their children aged <18 years, which increased their IES-R score (B=7.81, 95% CI 4.98 to 10.64) and DASS-21 stress score (B=1.75, 95% CI 0.27 to 3.24). The majority of respondents (n=1335, 96.4%) were confident about their doctor's expertise in terms of COVID-19 diagnosis and treatment, which was positively associated with less distress caused by the outbreak (B=-7.84, 95% CI -14.58 to -1.11). CONCLUSIONS: The findings highlight the effect of COVID-19 on mental health during the nationwide lockdown among the general population in Vietnam. The study provides useful evidence for policy decision makers to develop and implement interventions to mitigate these impacts.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,048

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,250
Tête enseignante GPT0,565
Écart entre enseignants0,315 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations43
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative ResearchMême sujetCOVID-19 and Mental HealthTravaux en français237 207