Prevalence of mental health symptoms and its effect on insomnia among healthcare workers who attended hospitals during COVID-19 pandemic: A survey in Dhaka city
Notice bibliographique
Résumé
Abstract Background: During the COVID-19 pandemic, the high workload, risk of infection, and safety issues for family members may pose a threat to the mental health of healthcare workers (HCWs) working in hospital settings. The study aimed to find out the prevalence of anxiety, depression, and insomnia symptoms were among HCWs, as well as the factors related to these mental health issues.Methods: We conducted an online survey of HCWs employed in Dhaka city from June 6 to July 6, 2020. Symptoms of anxiety, depression, and insomnia were measured using the Generalized Anxiety Disorder, the depression module of the Patient Health Questionnaire, and the Insomnia Severity Index, respectively. The related factors of anxiety, depression, and insomnia symptoms were identified using three regression models.Results: This research included responses from 294 HCWs (mean± standard deviation age: 28.86±5.5 years; 43.5% were female). Anxiety, depression, and insomnia symptoms were found in 20.7%, 26.5%, and 44.2% of HCWs, respectively. The variable financial difficulties was commonly found as an associated factor for anxiety, depression, and insomnia symptoms. Female HCWs were more prone to mental health symptoms and insomnia compared to male HCWs (Adjusted odds ratio- AOR=2.20, 95% CI=1.27 – 3.79). The depression symptoms among HCWs were found to be a factor for insomnia (AOR=6.321, 95% CI= 3.158 – 12.650).Conclusion: In the current pandemic, the high prevalence of mental health symptoms among HCWs indicates that this occupational group being associated with increased mental distress. Increasing financial support for HCWs and providing support to female workers in care facilities could help to alleviate the burden of mental illness. Supportive, training, and educational strategies, particularly through knowledge and communication platforms, could be recommended to the care facilities, which can reduce the burden of mental health symptoms among HCWs.
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 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».