Global Change in Interest toward Yoga for Mental Health Ailments during Coronavirus Disease-19 Pandemic
Notice bibliographique
Résumé
Background: With coronavirus disease (COVID)-19 pandemic, society is gripped with uncertainty and fear, inclining them toward Yoga to prevent mental health issues. Google Trends (GT) depicts the public interest of the community which may vary due to evolving policy dynamics of the COVID-19 pandemic. Aim: The aim was to study global public interest in Yoga for mental health during the COVID-19 pandemic. Material and Methods: Global time trends were obtained for Yoga, Anxiety, and Depression from November 1, 2019 to May 31, 2020 using GT. The time series analysis was done in three different time periods – pre-COVID-19 phase, transition period, and COVID-19 pandemic phase. Cross-correlation, Spearman rho, Friedman ANOVA test, and forecasting were used for analysis. Results: GT found a global change in the search queries for Yoga, anxiety, and depression during the three time periods. High burden COVID-19 countries – Italy, Spain, Russia, and Brazil had an increasing search trend for Yoga. During the COVID-19 phase, there was a significant positive correlation between the search trends of Yoga with depression ( r = 0.232; P < 0.05) and anxiety ( r = 0.351; P < 0.05), but higher anxiety and depression searches lead to lower Yoga searches at lag +6. Forecast projected a continuous increase in Yoga searches and anxiety queries. Conclusion: Google Trends captured a significant rise in interest of Yoga among the global community but diminished with time. Hence, the need for interventions to promote Yoga to be part of routine life and for making sure that people adhere to the Yoga practices on a continuous basis.
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 | 0,000 | 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) | 0,007 | 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 ».