Lifestyle changes and mental health during the COVID-19 pandemic: A repeated, cross-sectional web survey
Notice bibliographique
Résumé
BACKGROUND: This study aimed to compare self-reported changes on lifestyle behaviors during two phases of the COVID-19 pandemic in Spain, and to evaluate clinical and sociodemographic factors associated with lifestyles. METHODS: Two cross-sectional web surveys were conducted during lockdown (April 15-May 15, 2020) and seven months later (November 16-December 16, 2020). Lifestyle behaviors were self-reported by a multidimensional scale (SMILE-C). Two separate samples of respondents were analyzed. A multivariate regression model was performed to evaluate the association of SMILE-C scores with demographic and clinical variables. RESULTS: The sample comprised, 3412 participants from the first survey (S1) and in the S1 and 3635 from the second (S2). SMILE-C score decreased across surveys (p < 0.001). The rates of positive screenings for depression and anxiety were similar between the surveys, whereas those for alcohol abuse decreased (p < 0.001). Most participants in S2 reported that their lifestyle had not changed compared to those before the pandemic. Variables independently associated with an unhealthier lifestyle were working as an essential worker, lower educational level, previous mental disease, worse self-rated health, totally/moderate changes on diet, sleep or social support, as well as positive screenings for alcohol abuse, anxiety and depression. LIMITATIONS: The cross-sectional design and recruitment by non-probabilistic methods limit inferring causality and the external validity of the results. CONCLUSIONS: Overall lifestyle worsened seven months after the lockdown in Spain. Several demographic and clinical factors were associated with lifestyle scores. The contribution of common mental disorders to unhealthier lifestyles should be considered in order to prevent the negative impact of the 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 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 | 0,000 |
| 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 ».