Isolation, Economic Precarity, and Previous Mental Health Issues as Predictors of PTSD Status in Females Living in Fort McMurray During COVID-19
Notice bibliographique
Résumé
Objectives The COVID-19 pandemic represents an instance of collective trauma across the globe; as such, it is unique to our lifetimes. COVID-19 has made clear systemic disparities in terms of access to healthcare and economic precarity. Our objective was to examine the mental health repercussions of COVID-19 on adult females living in Fort McMurray, Canada in light of their unique circumstances and challenges. Method To investigate this issue, we analyzed responses gathered from an anonymous cross-section of online survey questionnaire responses gathered from females living in the Fort McMurray area (n = 159) during the COVID-19 pandemic (April 24–June 2, 2021). This included relevant demographic, mental health history, and post-traumatic stress disorder (PTSD), as well as COVID-19 data. Chi-squared analysis was used to determine outcome relevance, and binary logistic regression was employed to generate a model of susceptibility to PTSD. Results 159 females completed the survey. The prevalence of putative PTSD in our sample was 40.8%. A regression analysis revealed 4 variables with significant, unique contributions to PTSD. These were: a diagnosis of depression; a diagnosis of anxiety; job loss due to COVID-19; and lack of support from family and friends. Specifically, women with a previous diagnosis of either depression or anxiety were ~4–5 times more likely to present with PTSD symptomatology in the wake of COVID-19 (OR = 3.846; 95% CI: 1.13–13.13 for depression; OR = 5.190; 95% CI: 1.42–19.00 for anxiety). Women who reported having lost their jobs as a result of the pandemic were ~5 times more likely to show evidence of probable PTSD (OR = 5.182; 95% CI: 1.08–24.85). Receiving inadequate support from family and friends made the individual approximately four times as likely to develop probable PTSD (OR = 4.258; 95% CI: 1.24–14.65), while controlling for the other variables in the regression model. Conclusions Overall, these results support our hypothesis that volatility in factors such as social support, economic stability, and mental health work together to increase the probability of women developing PTSD in response to a collective trauma such as COVID-19.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».