The impact of COVID-19 pandemic on physical and mental health of Asians: A study of seven middle-income countries in Asia
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
The coronavirus disease (COVID-19) pandemic has impacted the economy, livelihood, and physical and mental well-being of people worldwide. This study aimed to compare the mental health status during the pandemic in the general population of seven middle income countries (MICs) in Asia (China, Iran, Malaysia, Pakistan, Philippines, Thailand, and Vietnam). All the countries used the Impact of Event Scale-Revised (IES-R) and Depression, Anxiety and Stress Scale (DASS-21) to measure mental health. There were 4479 Asians completed the questionnaire with demographic characteristics, physical symptoms and health service utilization, contact history, knowledge and concern, precautionary measure, and rated their mental health with the IES-R and DASS-21. Descriptive statistics, One-Way analysis of variance (ANOVA), and linear regression were used to identify protective and risk factors associated with mental health parameters. There were significant differences in IES-R and DASS-21 scores between 7 MICs (p<0.05). Thailand had all the highest scores of IES-R, DASS-21 stress, anxiety, and depression scores whereas Vietnam had all the lowest scores. The risk factors for adverse mental health during the COVID-19 pandemic include age <30 years, high education background, single and separated status, discrimination by other countries and contact with people with COVID-19 (p<0.05). The protective factors for mental health include male gender, staying with children or more than 6 people in the same household, employment, confidence in doctors, high perceived likelihood of survival, and spending less time on health information (p<0.05). This comparative study among 7 MICs enhanced the understanding of metal health in the general population during the COVID-19 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,000 | 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 découle