Potential psychosocial impact of COVID-19 on children: a scoping review of pandemics and epidemics
Notice bibliographique
Résumé
Background Physical distancing and health measures, such as school closures and work-at-home mandates, implemented to mitigate the transmission of COVID-19, will likely have far-reaching impacts on children’s psychosocial health and well-being. We aimed to examine extant literature on pandemics and epidemics to draw comparisons regarding COVID-19 on children’s psychosocial health and secondary outcomes, including nutritional, financial and child safety outcomes. Methods Articles were searched within the Medline, Global Health, PsycINFO, and CINAHL databases on 11 June 2020. Grey literature was also examined from the World Health Organization (WHO) and United Nations Children’s Fund (UNICEF) until 24 July 2020. Results A total of 8,332 articles were screened for eligibility by two independent reviewers. Of these, 7,919 and 413 articles were from academic databases and additional sources, respectively. Results on child outcomes were extracted and collated. Seventy-three articles met inclusion criteria. Children have faced significant challenges with 12% of articles indicating loneliness/depression, 19% anxiety, 7% grief, 10% stress-related disorders, 25% child abuse, 8% family conflict, and 12% stigma during pandemics/epidemics. Furthermore, 25% of articles indicated economic challenges, 23% negative academic impacts, 33% improper nutrition, and 21% reduced opportunities for play/increased screen time. These challenges were exacerbated among children who were female, have a disability, or who were a migrant/displaced child. Conclusions Pandemics and epidemics have had diverse and widespread negative consequences for children. Findings can inform the development and implementation of resources during the COVID-19 pandemic to protect child health and 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 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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».