Impact of COVID-19 on Vulnerable Groups: A Need for Mental Health Facilities
Notice bibliographique
Résumé
The latest challenge for the universe is Novel Coronavirus disease 2019 (COVID-2019). Although it is not new for the entire medical world this recent outbreak is new in humans. It started in Wuhan, China through animal to human spread but later on it was evidenced as human to human spread. On January 30, WHO declared Public health emergency around the world but did not impose trade and travel restrictions. Following China, On 19 February Iran spoke about 2 deaths due to COVID-19. Pakistan shares its border with China and Iran and has trade and travel relations with both countries. So this virus was imported through travelers and 1st case was reported on 26 February in Pakistan (Health, 2020). Until today number of cases has been outstretched up to 28,736 while 636 deaths were reported (Worldometer, 2020). All these current scenarios, call for attention to the impact of this pandemic on mental health. When large numbers of people get sick or die as a result of epidemics or pandemics, it leads to greater risks for psychosocial problems. History reminds us that SARS was the 1st hard hit of the 21st Century and researchers reported the huge psychosocial impact of SARS upon people (Sim & Chua, 2004). A study by Nickell and colleagues elaborated on this impact and contributed towards the knowledge by carrying out the study in a Canada based teaching hospital during 2003 when the outbreak was at the peak. Emotional distress, psychiatric comorbidity, huge concerns for personal and family health were reported by the participants (Nickell et al., 2004). The substantial rise in anxiety is associated with deaths, news and quarantine (Lima et al., 2020).
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 | 0,001 | 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 ».