MétaCan
Menu
Retour à la cohorte
Enregistrement W3181864502 · doi:10.3389/fpsyt.2021.695017

Prevalence and Risk Factors of Mental Health Symptoms and Suicidal Behavior Among University Students in Wuhan, China During the COVID-19 Pandemic

2021· article· en· W3181864502 sur OpenAlexaff
Yingying Xu, Sizhen Su, Zhendong Jiang, Suihuai Guo, Qing-Dong Lu, Lin Liu, Yimiao Zhao, Ping Wu, Jianyu Que, Le Shi, Jiahui Deng, Shiqiu Meng, Wei Yan, Yankun Sun, Kai Yuan, Xiao Lin, Siwei Sun, Arun Ravindran, Sijing Chen, Yun Kwok Wing, Xiangdong Tang, Mao‐Sheng Ran, Yu Lu, Jie Shi, Guofu Huang, Yanping Bao, Lin Lü

Notice bibliographique

RevueFrontiers in Psychiatry · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensUniversity of Toronto
Organismes subventionnairesPeking University Health Science CenterNational Key Research and Development Program of ChinaBijzonder Onderzoeksfonds UGentFoundation for Innovative Research Groups of the National Natural Science Foundation of ChinaNational Natural Science Foundation of China
Mots-clésAnxietySuicidal ideationPsychiatryMental healthMedicineInsomniaDepression (economics)Odds ratioCross-sectional studyGeneralized anxiety disorderClinical psychologyPatient Health QuestionnairePoison controlSuicide preventionInternal medicineDepressive symptomsEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Background: University students who are exposed to coronavirus disease 2019 (COVID-19) could be mentally distressed. We aimed to evaluate the pattern and risk factors of mental health and suicidal behavior among students who experienced long-term school closure due to the COVID-19 pandemic. Methods: This large-sample, cross-sectional, online survey was conducted from June 29, 2020, to July 18, 2020. Eleven thousand two hundred fifty four participants were recruited from 30 universities located in Wuhan, Hubei Province, China. The prevalence of symptoms of depression, anxiety, insomnia, and posttraumatic stress disorder (PTSD) and suicidal behavior was evaluated using the Patient Health Questionnaire-9, Generalized Anxiety Disorder-7, Insomnia Severity Index, Posttraumatic Stress Disorder Checklist for DSM-5, and questions about suicidal ideation and attempts, respectively. Logistic regression was used to explore risk factors for mental health problems and suicidal behavior. Results: The prevalence of mental health problems was 41.5% for depressive symptoms, 32.6% for anxiety symptoms, 35.0% for insomnia symptoms, 8.5% for PTSD symptoms, and 2.0% for suicidal behavior. Participants with high stress during the pandemic were at higher risk of symptoms of depression [adjusted odds ratio (OR) = 1.67, 95% confidence interval (CI) = 1.43–1.95, p < 0.01), anxiety (adjusted OR = 1.90, 95% CI = 1.63–2.23, p < 0.01), insomnia (adjusted OR = 1.64, 95% CI = 1.44–1.87, p < 0.01), PTSD (adjusted OR = 1.71, 95% CI = 1.38–2.11, p < 0.01) and suicidal behavior (adjusted OR = 3.51, 95% CI = 2.28–5.40, p < 0.01). Distant relationship with parents, changes in lifestyle and alcohol use during the pandemic were associated with higher risk of mental health symptoms and suicidal behavior, whereas regular physical exercise reduced the risk of mental health problems. Conclusions: The psychological symptoms and suicidal behavior were relatively high among students who attended university in Wuhan, China after 6 months of the COVID-19 outbreak in China. Comprehensive mental health services and suicide prevention strategies are essential for university students during the COVID-19 pandemic.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,343
Écart entre enseignants0,326 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations78
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in PsychiatryMême sujetCOVID-19 and Mental HealthTravaux en français237 207