Impact of the first wave of COVID‐19 on the health and psychosocial well‐being of Māori, Pacific Peoples and New Zealand Europeans living in aged residential care
Notice bibliographique
Résumé
OBJECTIVE: To investigate the impact of New Zealand's (NZ) first wave of COVID-19, which included a nationwide lockdown, on the health and psychosocial well-being of Māori, Pacific Peoples and NZ Europeans in aged residential care (ARC). METHODS: interRAI assessments of Māori, Pacific Peoples and NZ Europeans (aged 60 years and older) completed between 21/3/2020 and 8/6/2020 were compared with assessments of the same ethnicities during the same period in the previous year (21/3/2019 to 8/6/2019). Physical, cognitive, psychosocial and service utilisation indicators were included in the bivariate analyses. RESULTS: A total of 538 Māori, 276 Pacific Peoples and 11,322 NZ Europeans had an interRAI assessment during the first wave of COVID-19, while there were 549 Māori, 248 Pacific Peoples and 12,367 NZ Europeans in the comparative period. Fewer Māori reported feeling lonely (7.8% vs. 4.5%, p = 0.021), but more NZ Europeans reported severe depressive symptoms (6.9% vs. 6.3%, p = 0.028) during COVID-19. Lower rates of hospitalisation were observed in Māori (7.4% vs. 10.9%, p = 0.046) and NZ Europeans (8.1% vs. 9.4%, p < 0.001) during COVID-19. CONCLUSIONS: We found a lower rate of loneliness in Māori but a higher rate of depression in NZ European ARC populations during the first wave of COVID-19. Further research, including qualitative studies with ARC staff, residents and families, and different ethnic communities, is needed to explain these ethnic group differences. Longer-term effects from the COVID-19 pandemic on ARC populations should also be investigated.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».