Online Leisure Activities for Sustained Mental Health Well-being in Older Adults with COVID-19 Mitigation
Notice bibliographique
Résumé
Abstract Older adults (OA) experience psychosocial distress from the COVID-19 pandemic mitigations. While their participation in leisure and recreation activities (LRA) would be ameliorating, we do not know how LRA OA engages for their mental health (MH) well-being with COVID-19 mitigation. This scoping review aimed to trend the evidence on the types of LRA OA engage for their MH well-being across the young-old continuum (60-69 years) through to older-old (80 years and above) in the COVID-19 pandemic. We searched the following electronic databases (PubMed, EMBASE, CINAHL, Cochrane, JBI-ES, and Epistemonicos for LRA studies by OA with COVID-19 mitigation. To be included, we considered empirical articles published in English on LRA of OA 55+ years-old. Another criterion required articles describing those activities' qualities and the impact of LRA on MH and well-being during the COVID-19 pandemic. We resulted in seven empirical studies, two of which implemented in the USA and one from the USA and Canada, Spain, Israel, and Japan. Findings following narrative synthesis revealed trending evidence on OA to engage in online LRA for social, cognitive /intellectual, and emotional health. Leisure-time physical activity reduced negative MH symptoms as anxiety and depression in OA under COVID-19 threat. In conclusion, the present review's trending evidence suggests that OA engagement in social, physical, mental, and cognitive LRA enhanced their MH and overall well-being. Activities delivered by way of the Internet and television provided a cluster of beneficial opportunities for the OA mental health needs under the COVID-19 pandemic.
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 | 0,003 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».