The psychological impact of COVID-19 on socially isolated individuals – a systematic review
Notice bibliographique
Résumé
Purpose This study aims to assess the various psychological effects of the Coronavirus on those in isolation, the factors that cause these effects during the pandemic, as well as to discuss the recommendations and strategies that can be implemented to help reduce the negative psychological impact. Design/methodology/approach Databases such as MEDLINE (Ovid), excerpta medica dataBASE (Ovid) and cumulative index of nursing and allied health literature (Elton B. Stephens Company), as well as grey literature, were used as a part of the search design to locate articles published on this subject. The search design was formatted in a way that aided in locating articles concerning a variety of mental health effects. Title and abstract screening and full text screening were conducted by two reviewers. The risk of bias assessment was conducted using AMSTAR2. Data extraction was performed by one reviewer and was confirmed by the other. Findings A total of 28 articles were obtained, and of those, 11 were included in the review. From the data that was reviewed, the majority of the isolated individuals felt depressed and anxious. This negative psychological distress contributes to deteriorating health and quality of life in many people. Research limitations/implications Few limitations include limited published research papers pertaining to the subject of the mental health effects of COVID-19 on individuals in social isolation. Therefore, this suggests the need for higher quality studies to be performed on this topic. Originality/value This review provides a unique viewpoint on the effects of COVID-19, allowing for others to have a better understanding of the wide range of psychological impacts the pandemic has brought on.
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 | 0,017 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,004 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».