COVID-19 Pandemic: Influence of Gender Identity on Stress, Anxiety, and Depression Levels in Canada
Notice bibliographique
Résumé
Background: This cross-sectional study explored variation of the prevalence of perceived stress, depression and anxiety among different self-identified gender identity groups in the Canadian population during the early stages of the COVID-19 pandemic. Methods: Anxiety, depression, and stress were assessed using the Generalized Anxiety Disorder 7-item (GAD-7) scale, Patient Health Questionnaire-9 (PHQ-9), and Perceived Stress Scale (PSS) respectively. Data were analyzed using one-way analysis of variance. Results: There were 8267 respondents to the online survey; 982 (12.0%) were male-identified, 7120 (86.9%) female-identified, and 92 (1.1%) identified as a diverse gender group. Prevalence rates for clinically meaningful anxiety (333 (41.7%), 2882 (47.6%), 47 (61.0%)), depression (330 (40.2%), 2736 (44.3%), 46 (59.7%)), and stress (702 (79.6%), 5711 (86.4%), 74 (90.2%)) were highest among respondents who self-identified as “other gender” followed by female-identified and then male-identified, respectively. There were statistically significant differences between gender groups for mean scores on GAD-7 (F (2, 6929) = 18.02, p < 0.001), PHQ-9 (F (2, 191.4) = 11.17, p < 0.001), and PSS (F (2, 204.6) = 21.13, p < 0.001). Conclusions: Gender identity differences exist in terms of the prevalence and severity of anxiety, depressive, and stress symptoms during the COVID-19 pandemic. This finding highlights the importance of incorporating self-identified gender identity in medical research, clinical practice, and policy.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».