The Impact of the COVID-19 Pandemic on the Mental Health of First-Year Undergraduate Students Studying at a Major Canadian University: A Successive Cohort Study
Notice bibliographique
Résumé
Objective To examine the impact of the COVID-19 pandemic on first year undergraduate student mental health. Methods As part of the Queen’s University U-Flourish Student Well-Being and Academic Success study, three successive cohorts of students entering undergraduate studies in 2018 (pre-pandemic), 2019 (transitional), and 2020 (during pandemic) completed electronic surveys at entry and completion of first year. Validated self-report measures were used to assess mental health status including symptom levels of anxiety, depression, and insomnia, self-harm and frequency of substance use. Propensity matching and multivariable log-binomial regression were used in comparisons of mental health indicators across the cohorts. Results Clinically significant symptoms of depression, anxiety, insomnia, and self-harm were reported more frequently in the 2020–2021 cohort, coincident with remote learning and pandemic restrictions. In female students, screen positive rates for anxiety and depression, and suicidal ideation increased from about one-third to just under one-half in association with the pandemic (χ 2 , p < .01), while increases in mental health concerns were less pronounced among males. Among females, increases in clinically significant symptoms over first year appeared greatest during the pandemic year, while striking decreases in alcohol consumption in both females and males were reported in that same year. Studying under pandemic conditions had a negative impact on student well-being, social relationships and school connectedness, quality of learning experience, leisure activities, and optimism about future prospects. Conclusions Mental health concerns including anxiety, depression and sleep problems increased in first year students during the pandemic, especially among females, while alcohol use declined. These findings highlight the negative mental health impact associated with studying under pandemic restrictions involving remote learning and social distancing.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».