Patterns of mental health problems before and after easing COVID-19 restrictions: Evidence from a 105248-subject survey in general population in China
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 pandemic has alarming implications for individual and population level mental health. Although the future of COVID-19 is unknown at present, more countries or regions start to ease restrictions. The findings from this study have provided the empirical evidence of prevalence and patterns of mental disorders in Chinese general population before and after easing most COVID-19 restrictions, and information of the factors associated with these patterns. METHODS: A cross-sectional population-based online survey was carried out from February to March 2020 in the general population across all provinces in China. The 12-item General Health Questionnaire (GHQ-12) was incorporated in the survey. Latent class analyses were performed to investigate the patterns of mental disorders and multinomial logistic regressions were used to examine how individual and regional risk factors can predict mental disorder patterns. RESULTS: Four distinctive patterns of mental health were revealed in the general population. After the ease of most COVID-19 restrictions, the prevalence of high risk of mental disorders decreased from 25.8% to 20.9% and prevalence of being high risk of unhappiness and loss of confidence decreased from 10.1% to 8.1%. However, the prevalence of stressed, social dysfunction and unhappy were consistently high before and after easing restrictions. Several regional factors, such as case mortality rate and healthcare resources, were associated with mental health status. Of note, healthcare workers were less likely to have mental disorders, compared to other professionals and students. CONCLUSIONS: The dynamic management of mental health and psychosocial well-being is as important as that of physical health both before and after the ease of COVID-19 restrictions. Our findings may help in mental health interventions in other countries and regions while easing COVID-19 restrictions.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».