Food worry and mental health outcomes during the COVID-19 pandemic
Notice bibliographique
Résumé
BACKGROUND: There is limited and inconsistent literature examining the relationship between food worry and mental health in the context of the COVID-19 pandemic. This study examined the association between food worry and mental health among community dwelling Canadian adults during the COVID-19 pandemic. METHODS: Adults age 16 years and older completed an anonymous online questionnaire between April 1, 2020 and November 30 2020. Measures of pre-pandemic and current food worry, depression (PHQ-2), anxiety (GAD-2), and sociodemographic variables were included. Multivariable logistic regression models were used to determine the association between food worry and symptoms of depression and anxiety. RESULTS: In total, 1605 participants were included in analyses. Worry about affording food was reported by 320 (14.78%) participants. In models adjusting for sociodemographic covariates, compared with people without food worry, participants who had food worry were 2.07 times more likely to report anxiety symptoms (aOR 2.07, 95% CI: 1.43 - 2.98, p < .001) and were 1.9 times more likely to report depressive symptoms (aOR 1.89, 95% CI: 1.39-2.57, p < .0001). Lower income, lower education, and pre-existing mental health conditions were significant predictors of symptoms of depression. Female gender, younger age, lower education, lower income, and pre-existing mental health condition were significant predictors of anxiety symptoms. CONCLUSION: Our study highlights the relationship between food worry and poor mental health. Policy supports such as improved income supports, clinical implications such as screening for food worry in primary care, referral to emergency food programs and support with meal planning may help mitigate mental health symptoms during the current pandemic, during future societal recovery from this pandemic and during future pandemics.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 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) | 0,003 | 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 ».