The Mental Health Impact of the COVID-19 Pandemic Among Physicians, Nurses, and Other Health Care Providers in Alberta: Cross-sectional Survey
Notice bibliographique
Résumé
BACKGROUND: During the COVID-19 pandemic, threats to mental health, psychological safety, and well-being are evident, particularly among the first responders and the health care staff. OBJECTIVE: This study aims to examine the prevalence and potential predictors of the likely stress, generalized anxiety disorder, and major depressive disorder among health care workers (HCWs). METHODS: A cross-sectional survey was used through a survey link sent to gather demographic information and responses on several self-report scales, including the Perceived Stress Scale, the Generalized Anxiety Disorder 7-item scale, and the Patient Health Questionnaire-9 among HCWs enrolled in the Text4Hope program. RESULTS: The result from this study suggests that during the COVID-19 pandemic, HCWs reported a high likelihood of moderate-to-high perceived stress (n=840, 81.2%), moderate-to-severe anxiety (n=369, 38.6%), and depression (n=317, 32.7%) symptoms. Nurses and other HCWs were significantly more likely to report depressive symptoms compared to physicians (F(2, 159.47)=15.89, 95% CI -5.05 to -2.04). Younger age groups of HCWs (≤30 years) were more prone to report likely stress, anxiety, and depressive symptoms compared to HCWs 41-50 and >50 years old (odds ratio [OR] 1.82-3.03). Similarly, females and those who reported a lack of social support (separated/divorced and single) among HCWs had a higher likelihood to report likely stress and depressive symptoms, respectively (OR 1.8 and 1.6, respectively). CONCLUSIONS: This cross-sectional study explored a high level of mental health burdens during the COVID-19 pandemic among HCWs in Alberta. Levels of psychological symptoms were more noticeable in the female gender and the nursing profession.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».