Mental Health and Well-Being Needs among Non-Health Essential Workers during Recent Epidemics and Pandemics
Notice bibliographique
Résumé
Essential workers, those who work in a variety of sectors that are critical to sustain the societal infrastructure, were affected both physically and mentally by the COVID-19 pandemic. While the most studied group of this population were healthcare workers, other essential non-health workers such as those working in the law enforcement sector, grocery services, food services, delivery services, and other sectors were studied less commonly. We explored both the academic (using MEDLINE, PsycInfo, CINAHL, Sociological Abstracts, and Web of Science databases) and grey literature (using Google Scholar) to identify studies on the mental health effects of the six pandemics in the last 20 years (2000-2020). We identified a total of 32 articles; all of them pertained to COVID-19 except for one about Ebola. We found there was an increase in depression, anxiety, stress, and other mental health issues among non-health essential workers. They were more worried about passing the infection on to their loved ones and often did not have adequate training, supply of personal protective equipment, and support to cope with the effects. Generally, women, people having lower education, and younger people were more likely to be affected by a pandemic. Exploring occupation-specific coping strategies of those whose mental health was affected during a pandemic using more robust methodologies such as longitudinal studies and in-depth qualitative exploration would help facilitate appropriate responses for their recovery.
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 | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».