Fear of COVID-19 and its association with mental health-related factors: systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: The severity of COVID-19 remains high worldwide. Therefore, millions of individuals are likely to suffer from fear of COVID-19 and related mental health factors. AIMS: The present systematic review and meta-analysis aimed to synthesize empirical evidence to understand fear of COVID-19 and its associations with mental health-related problems during this pandemic period. METHOD: Relevant studies were searched for on five databases (Scopus, ProQuest, EMBASE, PubMed Central, and ISI Web of Knowledge), using relevant terms (COVID-19-related fear, anxiety, depression, mental health-related factors, mental well-being and sleep problems). All studies were included for analyses irrespective of their methodological quality, and the impact of quality on pooled effect size was examined by subgroup analysis. RESULTS: The meta-analysis pooled data from 91 studies comprising 88 320 participants (mean age 38.88 years; 60.66% females) from 36 countries. The pooled estimated mean of fear of COVID-19 was 13.11 (out of 35), using the Fear of COVID-19 Scale. The associations between fear of COVID-19 and mental health-related factors were mostly moderate (Fisher's z = 0.56 for mental health-related factors; 0.54 for anxiety; 0.42 for stress; 0.40 for depression; 0.29 for sleep problems and -0.24 for mental well-being). Methodological quality did not affect these associations. CONCLUSIONS: Fear of COVID-19 has associations with various mental health-related factors. Therefore, programmes for reducing fear of COVID-19 and improving mental health are needed.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,009 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».