Effective recommendations towards healthy routines to preserve mental health during the COVID-19 pandemic
Notice bibliographique
Résumé
OBJECTIVE: To assess the adherence to a set of evidence-based recommendations to support mental health during the coronavirus disease 2019 (COVID-19) pandemic and its association with depressive and anxiety symptoms. METHODS: A team of health workers and researchers prepared the recommendations, formatted into three volumes (1: COVID-19 prevention; 2: Healthy habits; 3: Biological clock and sleep). Participants were randomized to receive only Volume 1 (control), Volumes 1 and 2, Volumes 1 and 3, or all volumes. We used a convenience sample of Portuguese-speaking participants over age 18 years. An online survey consisting of sociodemographic and behavioral questionnaires and mental health instruments (Patient Health Questionnaire-9 [PHQ-9] and Generalized Anxiety Disorder-7 [GAD-7]) was administered. At 14 and 28 days later, participants were invited to complete follow-up surveys, which also included questions regarding adherence to the recommendations. A total of 409 participants completed the study - mostly young adult women holding university degrees. RESULTS: The set of recommendations contained in Volumes 2 and 3 was effective in protecting mental health, as suggested by significant associations of adherence with PHQ-9 and GAD-7 scores (reflecting anxiety and depression symptoms, respectively). CONCLUSION: The recommendations developed in this study could be useful to prevent negative mental health effects in the context of the pandemic and beyond.
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 | 0,012 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».