The impact of provincial lockdown policies and <scp>COVID</scp>‐19 case and mortality rates on anxiety in Canada
Notice bibliographique
Résumé
AIM: COVID-19 has had significant mental health impacts internationally and anxiety rates are estimated to have tripled during the pandemic, but the specific causes remain underexplored. This study's purpose was to investigate the associations of sociodemographic factors, COVID-19-related policies, and COVID-19 case/mortality rates with levels of anxiety among Canadians during the pandemic. METHODS: This study used linear regression models populated with three integrated sources of data: a repeated cross-sectional survey (n = 7008), Oxford COVID-19 Government Response Tracker data, and COVID-19 case/mortality rates. Sociodemographic factors included were age, gender, race, province, income, education, rurality, household composition, and factors related to employment. RESULTS: Local COVID-19 case and mortality rates and stay-at-home orders were positively associated with anxiety symptom severity. Anxiety was most severe among those who: were female, Indigenous, or Middle Eastern; had postsecondary education; lived with others; and became unemployed or had working hours altered during the pandemic. Anxiety was less severe among: older adults; male, Caucasians, and black individuals; those with high incomes, and; those for whom employment did not change during the pandemic. CONCLUSION: Anxiety was primarily driven by socioeconomic factors among Canadians during the COVID-19 pandemic. Policies that alleviate socioeconomic uncertainty for groups that are most vulnerable may reduce the long-term harm of the pandemic and associated lockdown policies.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».