A portrait of the early and differential mental health impacts of the COVID-19 pandemic in Canada: Findings from the first wave of a nationally representative cross-sectional survey
Notice bibliographique
Résumé
Evidence on the population-level mental health impacts of COVID-19 are beginning to amass; however, to date, there are significant gaps in our understandings of whose mental health is most impacted, how the pandemic is contributing to widening mental health inequities, and the coping strategies being used to sustain mental health. The first wave of a repeated cross-sectional monitoring survey was conducted between May 14-29, 2020 to assess the mental health impacts of the pandemic and to identify the disproportionate impacts on populations or groups identified as experiencing increased risks due to structural vulnerability and pre-existing health and social inequities. Respondents included a nationally representative probability sample (n = 3000) of Canadian adults 18 years and older. Overall, Canadian populations are experiencing a deterioration in mental health and coping due to the pandemic. Those who experience health, social, and/or structural vulnerabilities due to pre-existing mental health conditions, disability, income, ethnicity, sexuality, and/or gender are more likely to endorse mental health deterioration, challenging emotions, and difficulties coping. This monitoring study highlights the differential mental health impacts of the pandemic for those who experience health, social, and structural inequities. These data are critical to informing responsive, equity-oriented public health, and policy responses in real-time to protect and promote the mental health of those most at risk during the pandemic and beyond.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».