Impact of the COVID-19 Shutdown on Mental Health in Appalachia by Working Status
Notice bibliographique
Résumé
INTRODUCTION: To slow the spread of COVID-19 in the United States, businesses shutdown in Spring 2020. Research has indicated the impact on frontlines workers, yet little is known about the impact on those who were not working outside the home or switched to working remotely. PURPOSE: The purpose of this report is to identify the financial and healthcare issues and mental health impact of the COVID-19 shutdown on Appalachians by worker categories. METHODS: An online survey was administered from May 8 - June 6, 2020 to a convenience sample of previous research participants and shared through social media networks, i.e., snowball sampling. Questions investigated mental health, financial and healthcare issues, and employment status. Survey responses were summarized by percentages overall and by working categories. RESULTS: Of the 751 participants, 276 (42%) resided in Appalachia. After removing 17 who lost their job due to COVID-19, 59 (23%) indicated not working outside the home prior to COVID-19, whereas 111 (43%) and 89 (34%) switched to working remotely and continued working outside the home during the shutdown. Respondents were predominately Caucasian and female. Nearly a quarter of participants had lost or reduced income due to the shutdown. Approximately half missed or postponed healthcare appointments. Mental health impacts were similar across the groups, with half of the respondents reporting anxiety due to COVID-19. IMPLICATIONS: Further research is needed to explore health outcomes associated with missed healthcare appointments during the shutdown. Mental health support may be needed equally by those isolated at home and frontline workers.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».