Assessment of Psychological Distress in Health-care Workers during and after the First Wave of COVID-19: A Canadian Longitudinal Study: Évaluation de la Détresse Psychologique Chez Les Travailleurs de la Santé Durant et Après la Première Vague de la COVID-19: une étude longitudinale canadienne
Notice bibliographique
Résumé
OBJECTIVES: Health-care workers (HCW) exposed to COVID-19 are at risk of experiencing psychological distress. Although several cross-sectional studies have been carried out, a longitudinal perspective is needed to better understand the evolution of psychological distress indicators within this population. The objectives of this study were to assess the evolution of psychological distress and to identify psychological distress trajectories of Canadian HCW during and after the first wave of COVID-19. METHOD: fifth edition (PCL-5), the Generalized Anxiety Disorder-7, and the Patient Health Questionnaire-9. Descriptive statistics were used to illustrate the evolution of psychological distress indicators, whereas latent class analysis was carried out to identify trajectories. RESULTS: During and after the first wave of COVID-19, the rates of clinical mental health symptoms among our sample varied between 6.2% and 22.2% for post-traumatic stress, 10.1% and 29.9% for depression, and 7.3% and 26.9% for anxiety. Finally, 4 trajectories were identified: recovered (18.77%), resilient (65.95%), subchronic (7.24%), and delayed (8.04%). CONCLUSION: The longitudinal nature of our study and the scarcity of our data are unique among existing studies on psychological distress of HCW in COVID-19 context and allow us to contextualize prior transversal data on the topic. Although our data illustrated an optimistic picture in showing that the majority of HCW follow a resilience trajectory, it is still important to focus our attention on those who present psychological distress. Implementing preventive mental health interventions in our health-care institutions that may prevent chronic distress is imperative. Further studies need to be done to identify predictors that may help to characterize these trajectories.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».