Mental health and economic concerns from March to May during the COVID-19 pandemic in Canada: Insights from an analysis of repeated cross-sectional surveys
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 pandemic impacted the psychological wellbeing of populations worldwide. In this study, we assess changes in mental health during the early months of the pandemic in Canada and examine its relationship with another prominent problem during this time, economic concerns. METHODS: Analyses were based on two cycles of the nationally representative repeated cross-sectional Canadian Perspectives Survey Series (N=4627 in March and 4600 in May). We described the changes in mental health and economic concerns between March and May, and assessed the relationship between the two characteristics. RESULTS: Mental health declined significantly during the early months of the COVID-19 pandemic: the proportion of Canadian adults who reported only good/fair/poor mental health grew from 46% to 52% from March to May. Economic concerns including food insecurity were an important correlate of 'bad' mental health, as was younger age, female gender, and Canada-born status. Contrary to expectations, however, economic concerns lessened during this time frame. CONCLUSIONS: These findings suggest that policies to mitigate economic stress, such as Canada's Emergency Response Benefit, may have eased mental health deterioration in early pandemic months through a reduction in financial hardship. Interventions to increase the economic security of the population will have far-reaching consequences in terms of improved mental health, and should be continued throughout the 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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 découle