SINTOMAS DE DEPRESSÃO EM PROFISSIONAIS DE ENFERMAGEM DURANTE A PANDEMIA DE COVID-19
Notice bibliographique
Résumé
Objetivo: identificar sintomas de depressão em profissionais de enfermagem durante a pandemia de covid-19.Método: estudo transversal e observacional, via formulário eletrônico, nas cinco regiões do Brasil, entre profissionais de enfermagem. Utilizou-se instrumento com informações gerais e o Patient Health Questionnaire-9 para identificar sintomas de depressão. Adotaram-se testes de hipóteses t de Student e Análise de Variância.Resultados: participaram 3249 profissionais. Destes, 2092 (64,4%) não apresentaram ou apresentaram sintomas mínimos de depressão, 603 (18,6%) moderados, 330 (10,2%) sintomas de moderado a severos e 224 (6,9%) sintomas severos. Mulheres, trabalhadores da região Norte, adultos jovens, solteiros e com renda de até quatro salários apresentaram escore de depressão mais elevados (p<0,05).Conclusão: os profissionais de enfermagem não apresentaram ou apresentaram sintomas leves de depressão. Variáveis como sexo, faixa etária, estado civil, região do país, ter contato com pessoas com covid-19 e não usar máscaras tiveram diferenças significativas com sintomas de depressão.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 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 ».