MétaCan
Menu
Retour à la cohorte
Enregistrement W4200579290 · doi:10.2196/33585

Depressive Symptoms and Anxiety During the COVID-19 Pandemic: Large, Longitudinal, Cross-sectional Survey

2021· article· en· W4200579290 sur OpenAlexvenueno aff
James MacDonald, Ryan Baxter-King, Lynn Vavreck, Arash Naeim, Neil S. Wenger, Karen Sepucha, Annette L. Stanton

Notice bibliographique

RevueJMIR Mental Health · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWorryAnxietyLonelinessMental healthPandemicCoping (psychology)MedicineCross-sectional studyClinical psychologyPopulationPsychiatryPsychologyCoronavirus disease 2019 (COVID-19)DemographyDiseaseEnvironmental healthInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The COVID-19 pandemic has influenced the mental health of millions across the globe. Understanding factors associated with depressive symptoms and anxiety across 12 months of the pandemic can help identify groups at higher risk and psychological processes that can be targeted to mitigate the long-term mental health impact of the pandemic. OBJECTIVE: This study aims to determine sociodemographic features, COVID-19-specific factors, and general psychological variables associated with depressive symptoms and anxiety over 12 months of the pandemic. METHODS: Nationwide, cross-sectional electronic surveys were implemented in May (n=14,636), July (n=14,936), October (n=14,946), and December (n=15,265) 2020 and March/April 2021 (n=14,557) in the United States. Survey results were weighted to be representative of the US population. The samples were drawn from a market research platform, with a 69% cooperation rate. Surveys assessed depressive symptoms in the past 2 weeks and anxiety in the past week, as well as sociodemographic features; COVID-19 restriction stress, worry, perceived risk, coping strategies, and exposure; intolerance of uncertainty; and loneliness. RESULTS: Across 12 months, an average of 24% of respondents reported moderate-to-severe depressive symptoms and 32% reported moderate-to-severe anxiety. Of the sociodemographic variables, age was most consistently associated with depressive symptoms and anxiety, with younger adults more likely to report higher levels of those outcomes. Intolerance of uncertainty and loneliness were consistently and strongly associated with the outcomes. Of the COVID-19-specific variables, stress from COVID-19 restrictions, worry about COVID-19, coping behaviors, and having COVID-19 were associated with a higher likelihood of depressive symptoms and anxiety. CONCLUSIONS: Depressive symptoms and anxiety were high in younger adults, adults who reported restriction stress or worry about COVID-19 or who had had COVID-19, and those with intolerance of uncertainty and loneliness. Symptom monitoring as well as early and accessible intervention are recommended.

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)0,003
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 enseignants0,025
Score d'incertitude au seuil0,049

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,100
Tête enseignante GPT0,474
Écart entre enseignants0,373 · 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

Citations40
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Mental HealthMême sujetCOVID-19 and Mental HealthTravaux en français237 207