Mourning in a Pandemic: The Differential Impact of COVID-19 Widowhood on Mental Health
Notice bibliographique
Résumé
OBJECTIVES: The death of a spouse is an established predictor of mental health decline that foreshadows worsening physical health and elevated mortality. The millions widowed by COVID-19 worldwide may experience even worse health outcomes than comparable pre-pandemic widows given the particularities of dying, mourning, and grieving during a pandemic defined by protracted social isolation, economic precarity, and general uncertainty. If COVID-19 pandemic bereavement is more strongly associated with mental health challenges than pre-pandemic bereavement, the large new cohort of COVID-19 widow(er)s may be at substantial risk of downstream health problems long after the pandemic abates. METHODS: We pooled population-based Survey of Health, Ageing and Retirement in Europe data from 27 countries for two distinct periods: (1) pre-pandemic (Wave 8, fielded October 2019-March 2020; N = 46,266) and (2) early pandemic (COVID Supplement, fielded June-August 2020; N = 55,796). The analysis used a difference-in-difference design to assess whether a spouse dying from COVID-19 presents unique mental health risks (self-reported depression, loneliness, and trouble sleeping), compared with pre-pandemic recent spousal deaths. RESULTS: We find strong associations between recent spousal death and poor mental health before and during the pandemic. However, our difference-in-difference estimates indicate those whose spouses died of COVID-19 have higher risks of self-reported depression and loneliness, but not trouble sleeping, than expected based on pre-pandemic associations. DISCUSSION: These results highlight that the millions of COVID-19 widow(er)s face extreme mental health risks, eclipsing those experienced by surviving spouses pre-pandemic, furthering concerns about the pandemic's lasting impacts on health.
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 | 0,006 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».