Risk factors for mental health symptoms during the COVID-19 pandemic in ophthalmic personnel and students in USA (& Canada): a cross-sectional survey study
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 pandemic poses mental health challenges to frontline healthcare workers. Eye care professionals may be especially susceptible to mental health problems due to high-risk exposures to patients. Yet, no prior research has studied mental health issues among eye care professionals during the COVID-19 pandemic. OBJECTIVE: The purpose of this study was to identify risk factors for mental health problems during the COVID-19 pandemic among eye care professionals. METHODS: We conducted a cross-sectional survey study among eye care professionals and students in the United States and Canada from June 23 to July 8, 2020 during the COVID-19 pandemic. A total of 8505 eye care professionals and students received email invitations to the survey and 2134 participated. We measured mental health outcomes including symptoms of depression, anxiety, and stress using validated scales, as well as potential risk factors including demographic characteristics, state-level COVID-19 case counts, participants' patient interactions, childcare responsibilities, and pre-pandemic stress levels. Linear multiple regression and logistic regression analyses were used to determine relationships between risk factors and mental health outcomes. RESULTS: We found that 38.4% of eyecare professional participants in the survey met screening threshold as probable cases of anxiety, depression, or both during the COVID-19 pandemic. Controlling for self-reported pre-pandemic stress level and state COVID-19 case daily cases, significant risk factors for depression, anxiety, and psychological stress during the COVID-19 pandemic included: being female, younger age, and being Black or Asian. Interestingly, we found two somewhat surprising protective factors against depression symptoms: more frequent interactions with patients and having a greater proportion of childcare responsibilities at home. CONCLUSIONS: This study showed a high prevalence of mental health problems and revealed disparities in mental health among eye care personnel and students: Female, younger, Black, and Asian populations are particularly vulnerable to mental health issues. These results indicate that it is critical to identify mental health issues more effectively and develop interventions among this population to address this significant and growing public health issue. The strategies and policies should be reflective of the demographic disparities in this vulnerable population.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| 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 ».