MétaCan
Menu
Retour à la cohorte
Enregistrement W4246365288 · doi:10.31234/osf.io/j2pce

Loneliness in the UK during the COVID-19 pandemic: Cross-sectional results from The COVID-19 Psychological Wellbeing Study

2020· preprint· en· W4246365288 sur OpenAlexfundno aff
Jenny M. Groarke, Emma Berry, Lisa Graham‐Wisener, Phoebe E. McKenna-Plumley, Emily McGlinchey, Chérie Armour

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensnon disponible
Organismes subventionnairesQueen's UniversityQueen's University Belfast
Mots-clésLonelinessMental healthLogistic regressionSocial isolationPsychologyCross-sectional studySocial supportCoronavirus disease 2019 (COVID-19)PandemicPsychological interventionPublic healthDepression (economics)Quality of life (healthcare)Clinical psychologyMedicinePsychiatryGerontologySocial psychologyNursing

Résumé

récupéré en direct d'OpenAlex

Objectives: Loneliness is a significant public health issue. The COVID-19 pandemic has resulted in lockdown measures limiting social contact. The UK public are worried about the impact of these measures on mental health outcomes. Understanding the prevalence and predictors of loneliness at this time is a priority issue for research. Design: The study employed a cross-sectional online survey design. Method: Baseline data collected between March 23rd and April 24th 2020 from UK adults in the COVID-19 Psychological Wellbeing Study were analysed (N = 1963, 18-87 years, M = 37.11, SD = 12.86, 70% female). Logistic regression analysis was used to look at the influence of sociodemographic, social, health and COVID-19 specific factors on loneliness. Results: The prevalence of loneliness was 27% (530/1963). Risk factors for loneliness were younger age group (OR: 4.67 – 5.31), being separated or divorced (OR: 2.29), meeting clinical criteria for major depression (OR: 1.74), greater emotion regulation difficulties (OR: 1.04), and poor quality sleep due to the COVID-19 crisis (OR: 1.30). Higher levels of social support (OR: 0.92), being married/co-habiting (OR: 0.35) and living with a great number of adults (OR: 0.87) were protective factors. Conclusions: Rates of loneliness during the initial phase of lockdown were high. Risk factors were not specific to the COVID-19 crisis. Findings suggest that supportive interventions to reduce loneliness should prioritise younger people and those with mental health symptoms. Improving emotion regulation and sleep quality may be optimal initial targets to reduce the impact of COVID-19 regulations on mental health outcomes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,070

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,328
Tête enseignante GPT0,520
Écart entre enseignants0,192 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations112
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCOVID-19 and Mental HealthTravaux en français237 207