Experiences of coping with the first wave of COVID-19 epidemic in Philadelphia, PA: Mixed methods analysis of a cross-sectional survey of worries and symptoms of mood disorders
Notice bibliographique
Résumé
Our objective was to describe how residents of Philadelphia, Pennsylvania, coped psychologically with the first wave of COVID-19 pandemic. In a cross-sectional design, we aimed to estimate the rates and correlates of anxiety and depression, examine how specific worries correlated with general anxiety and depression, and synthesize themes of "the most difficult experiences" shared by the respondents. We collected data through an on-line survey in a convenience sample of 1,293 adult residents of Philadelphia, PA between April 17 and July 3, 2020, inquiring about symptoms of anxiety and depression (via the Hospital Anxiety and Depression Scale), specific worries, open-ended narratives of "the most difficult experiences" (coded into themes), demographics, perceived sources of support, and general health. Anxiety was evident among 30 to 40% of participants and depression-about 10%. Factor analysis revealed two distinct, yet inter-related clusters of specific worries related to mood disorders: concern about "hardships" and "fear of infection". Regression analyses revealed that anxiety, depression, and fear of infection, but not concern about hardships, worsened over the course of the epidemic. "The most difficult experiences" characterized by loss of income, poor health of self or others, uncertainty, death of a relative or a friend, and struggle accessing food were each associated with some of the measures of worries and mood disorders. Respondents who believed they could rely on support of close personal network fared better psychologically than those who reported relying primarily on government and social services organizations. Thematic analysis revealed complex perceptions of the pandemic by the participants, giving clues to both positive and negative experiences that may have affected how they coped. Despite concerns about external validity, our observations are concordant with emerging evidence of psychological toll of the COVID-19 pandemic and measures employed to mitigate risk of infection.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».