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 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 | 0,017 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,019 | 0,044 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».