The impact of the prolonged COVID-19 pandemic on stress resilience and mental health: A critical review across waves
Notice bibliographique
Résumé
The global public health crisis caused by COVID-19 has lasted longer than many of us would have hoped and expected. With its high uncertainty and limited control, the COVID-19 pandemic has undoubtedly asked a lot from all of us. One important central question is: how resilient have we proved in face of the unprecedented and prolonged coronavirus pandemic? There is a vast and rapidly growing literature that has examined the impact of the pandemic on mental health both on the shorter (2020) and longer (2021) term. This not only concerns pandemic-related effects on resilience in the general population, but also how the pandemic has challenged stress resilience and mental health outcomes across more specific vulnerable population groups: patients with a psychiatric disorder, COVID-19 diagnosed patients, health care workers, children and adolescents, pregnant women, and elderly people. It is challenging to keep up to date with, and interpret, this rapidly increasing scientific literature. In this review, we provide a critical overview on how the COVID-19 pandemic has impacted mental health and how human stress resilience has been shaped by the pandemic on the shorter and longer term. The vast literature is dominated by a wealth of data which are, however, not always of the highest quality and heavily depend on online and self-report surveys. Nevertheless, it appears that we have proven surprisingly resilient over time, with fast recovery from COVID-19 measures. Still, vulnerable groups such as adolescents and health care personnel that have been severely impacted by the COVID-19 pandemic do exist. Large interindividual differences exist, and for future pandemics there is a clear need to comprehensively and integratively assess resilience from the start to provide personalized help and interventions tailored to the specific needs for vulnerable groups.
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 | 0,004 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».