‘Trapped’, ‘anxious’ and ‘traumatised’: COVID-19 intensified the impact of housing inequality on Australians’ mental health
Notice bibliographique
Résumé
Increased time spent at home during COVID-19 exposed inequities in Australian housing quality and availability. Many Australians lack sufficient space to carry out activities shifted to their homes and the financial downturn rapidly increased stress around housing affordability. Research demonstrates living in unaffordable or poor-quality housing can negatively impact residents’ mental health. This study explores the mechanisms through which housing moderates COVID-19’s impact on mental health by analysing 2,065 Australians surveyed in mid-to-late 2020. Hierarchical linear regressions were used to examine associations between housing circumstances, neighbourhood belonging and mental-health outcomes (loneliness, depression, and anxiety), adjusted for demographics. Open-ended responses were analysed using thematic analysis and critical-realist epistemology. Feeling ‘trapped’ and ‘helpless’ because of insecure tenure or lack of money to improve housing conditions reduced participants’ sense of control. Inadequate space and noise adversely impacted participants’ well-being. Participants’ housing context – including amenities, natural spaces, and social connections – strongly impacted their emotional experiences. Safe, secure, and suitable housing is a known determinant of safety and physical health; this study suggests it is also a critical factor for Australians’ mental health. To improve mental health among the vulnerably-housed, future housing policy should not compromise on housing affordability, quality, space and access to nearby amenities.
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 | 0,002 | 0,002 |
| 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) | 0,000 | 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 ».