Depression, anxiety and stress among Swedish university students during the second and third waves of COVID-19: A cohort study
Notice bibliographique
Résumé
Our research group recently reported that symptom levels of depression, anxiety, and stress among Swedish university students were relatively stable during the first three months of COVID-19 and decreased slightly during the following three summer months. Since then, Sweden has faced a second and third wave of COVID-19. Aims: This study aims to describe the mean trajectories of depression, anxiety and stress symptoms among Swedish university students before and during the second and third waves of the COVID-19 pandemic. Methods: We recruited 1835 participants in September 2020, of whom 81% provided follow-ups in December 2020–January 2021 and 77% provided follow-ups in March–April 2021. The short-form Depression, Anxiety and Stress Scale was used to measure mental health symptoms. Generalized estimating equations were used to estimate the mean differences in symptom levels over the three time periods. Results: Compared with September, mean depression was 0.91 points of 21 higher (95% confidence interval (CI) 0.70–1.13) in December 2020–January 2021 and 0.66 points higher (95% CI 0.43–.88) in March–April 2021. Anxiety levels were 0.20 points higher (95% CI 0.05–0.34) in December 2020–January 2021 and 0.17 points higher (95% CI 0.02–0.33) in March–April 2021. Stress levels were 0.21 points higher (95% CI 0.00–0.41) in December 2020–January 2021 and 0.16 points lower (95% CI −0.38 to 0.05) in March–April 2021. Conclusions: Our results indicate relatively stable levels of mental health among Swedish university students during the second and third waves of COVID-19 compared with before the second wave. Mean depression symptom scores increased slightly, but the importance of this small increase is uncertain.
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 | 0,003 | 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 | 0,001 | 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) | 0,000 | 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 ».