Impact of the COVID-19 pandemic on mental health and well-being of communities: an exploratory qualitative study protocol
Notice bibliographique
Résumé
INTRODUCTION: The COVID-19 pandemic has certainly resulted in an increased level of anxiety and fear in communities in terms of disease management and infection spread. Due to fear and social stigma linked with COVID-19, many individuals in the community hide their disease and do not access healthcare facilities in a timely manner. In addition, with the widespread use of social media, rumours, myths and inaccurate information about the virus are spreading rapidly, leading to intensified irritability, fearfulness, insomnia, oppositional behaviours and somatic complaints. Considering the relevance of all these factors, we aim to explore the perceptions and attitudes of community members towards COVID-19 and its impact on their daily lives and mental well-being. METHODS AND ANALYSIS: This formative research will employ an exploratory qualitative research design using semistructured interviews and a purposive sampling approach. The data collection methods for this formative research will include indepth interviews with community members. The study will be conducted in the Karimabad Federal B Area and in the Garden (East and West) community settings in Karachi, Pakistan. The community members of these areas have been selected purposively for the interview. Study data will be analysed thematically using NVivo V.12 Plus software. ETHICS AND DISSEMINATION: Ethical approval for this study has been obtained from the Aga Khan University Ethical Review Committee (2020-4825-10599). The results of the study will be disseminated to the scientific community and to the research subjects participating in the study. The findings will help us explore the perceptions and attitudes of different community members towards the COVID-19 pandemic and its impact on their daily lives and mental well-being.
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 | 0,046 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,008 | 0,006 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,005 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,029 | 0,004 |
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 ».