A repeated cross-sectional analysis assessing mental health conditions of adults as per student status during key periods of the COVID-19 epidemic in France
Notice bibliographique
Résumé
Previous studies have shown the negative impact of the COVID-19 epidemic on students' mental health. It is, however, uncertain whether students are really at higher risk of mental health disturbances than non-students and if they are differentially impacted by lockdown periods over time. The objective of our study was to compare the frequency of depressive symptoms, anxiety, and suicidal thoughts in students and non-students enrolled in the same study in France and during the same key periods of the COVID-19 epidemic. Using a repeated cross-sectional design, we collected data from a sample of 3783 participants in the CONFINS study during three recruitment waves between March 2020 and January 2021. Multivariate logistic regression models, adjusted for potential confounding factors, showed that students were more likely to have high scores of depressive symptoms and anxiety more frequently than non-students. These differences were particularly strong during the first (depressive symptoms: adjusted odds ratio aOR 1.59, 95% CI 1.22-2.08; anxiety: aOR 1.63, 95% CI 1.22-2.18) and second lockdowns (depressive symptoms: aOR 1.80, 95% CI 1.04-3.12; anxiety: aOR 2.25, 95% CI 1.24-4.10). These findings suggest that the restrictive measures-lockdown and curfew-have an alarmingly stronger negative impact on students than on non-students and underline the frailty of students' mental health and the need to pay greater attention to this population in this epidemic-related context.
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 | 0,003 |
| 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 | 0,000 | 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 ».