MétaCan
Menu
Retour à la cohorte
Enregistrement W3116302779 · doi:10.1186/s43045-020-00075-4

Impact of COVID-19 on adolescents’ mental health: a systematic review

2020· review· en· W3116302779 sur OpenAlexaboutno aff
Gilbert Sterling Octavius, Felicia Rusdi Silviani, Alicya Lesmandjaja, Angelina Angelina, Andry Juliansen

Notice bibliographique

RevueMiddle East Current Psychiatry · 2020
Typereview
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMental healthAnxietyPsychiatryCoronavirus disease 2019 (COVID-19)MedicinePopulationDepression (economics)Psychological interventionClinical psychologyPsychologyInclusion (mineral)DiseaseEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Abstract Background The impact of COVID-19 towards psychology and mental health is anticipated to be significant and may affect the population disproportionately, especially adolescent as the vulnerable category. We aimed to analyze the impact of COVID-19 towards adolescents’ mental health. Main body A systematic search was conducted from Cochrane, Google Scholar, Scielo, and PubMed. Inclusion criteria included all types of studies which observed the effect of COVID-19 and its related causes, such as lockdown, on adolescents’ mental health. All studies were assessed for its level of evidence according to Oxford 2011 criteria and Newcastle Ottawa Scale (NOS). Three studies (Seçer and Ulaş, Int J Ment Health Addict: 1–14, 2020; Zhou et al., Eur Child Adolesc Psychiatry 29:749–58, 2020; Qu et al., Lancet: 1–17, 2020) showed that COVID-19 was a risk factor for mental health problems in adolescents while Oosterhoff et al. (J Adolesc Health 67: 179–185, 2020) showed that adolescents who preferred to stay at home during this pandemic reported less anxiety and depressive symptoms Conclusion COVID-19 has been found to be associated with mental health changes in adolescents which meant management of COVID-19 should also focus on mental health as well.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,406
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0070,003
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,002

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 Opus0,210
Tête enseignante GPT0,490
Écart entre enseignants0,280 · 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 tête enseignante, pas un consensus.

Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations116
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMiddle East Current PsychiatryMême sujetCOVID-19 and Mental HealthTravaux en français237 207