MétaCan
Menu
← Retour à la cohorte
Enregistrement W3216762344 · doi:10.7759/cureus.19999

COVID-19-Related Concerns and Symptoms of Anxiety: Does Concern Play a Role in Predicting Severity and Risk?

2021· article· en· W3216762344 sur OpenAlexaffabout
Tarek Benzouak, Sasha Gunpat, Esther Briner, Jennifer Thake, Steve Kisely, Sanjay Rao

Notice bibliographique

RevueCureus · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensCarleton UniversityConcordia UniversityDalhousie University
Organismes subventionnairesnon disponible
Mots-clésAnxietyCoronavirus disease 2019 (COVID-19)Clinical psychologyMental healthCoping (psychology)PsychologyMedicinePublic healthPsychiatryDiseaseInfectious disease (medical specialty)Internal medicine

Résumé

récupéré en direct d'OpenAlex

Objective Rates of anxiety have increased during the coronavirus disease 2019 (COVID-19) pandemic, partially attributable to the experience of COVID-19 related concerns. It remains pivotal to determine the implications of such concerns on the severity of anxiety as they may represent opportune targets for public health preventative or therapeutic efforts. The current study evaluated COVID-19 related concerns as predictors of anxiety symptom severity. It also assessed the relative risk associated with sub-types of COVID-19 concerns, the role of age, sex, and minority status as potential moderators; and the unique contribution of COVID-19 concerns beyond sociodemographics, perceived stress, and self-reported general mental health. Methods The data source was obtained from the publicly available ”Crowdsourcing: Impacts of COVID-19 on Canadians-Your Mental Health survey” conducted by Statistics Canada. Participants were Canadians aged 15 and older living in ten provinces or three territories. Only participants that completed the self-reported sociodemographics, COVID-19 concerns, and general anxiety symptoms measures were included (n = 44549). Multivariate linear regression was used to evaluate continuous reports of anxiety symptoms, and the relative risk of meeting anxiety cut-off levels was determined using chi-square non-parametric testing. Results Within the sample, 29.1% met cut-off levels of anxiety. Levels of coping and security (R2 = 0.205, p < 0.001), distal (R2 = 0.043, p < 0.001), and proximal concerns (R2 = 0.122, p < 0.001) were found to predict the severity of anxiety experiences, which was determined to be robust to statistical control for sociodemographics, perceived stress and self-reported general mental health (ΔR2 = 0.0625, p < 0.001). Minority status and sex were significant moderating variables, although the interaction accounted for less than 0.1% of the observed variance. Family stress from confinement, support during and after the crisis and personal health concerns significantly predicted more than a 200% increase in the risk of meeting anxiety cut-off levels. Conclusion The current study represents a novel examination of COVID-19-related concerns as risk factors for the experience of anxiety amongst a sizeable Canadian cohort. Coping and security-related concerns represented robust predictors of anxiety symptom experiences. Participants who experienced concerns relating to their proximal social groups were two times more at risk for meeting cut-off anxiety levels than individuals without such concerns. Longitudinal and evidence synthesis remains essential for identifying therapeutic targets and developing pandemic-related public health prevention and care.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,119
Score d'incertitude au seuil0,236

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,374
Écart entre enseignants0,342 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCureus→Même sujetCOVID-19 and Mental Health→Travaux en français237 207→