Minds matter: how COVID-19 highlighted a growing need to protect and promote athlete mental health
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Mental health symptoms are common among professional, Olympic/Paralympic and collegiate athletes, with prevalence rates (15%-35%) equivalent to or exceeding those of non-athletes.1 Mental health symptoms are also common among youth and adolescent athletes, with a prevalence of up to one-third in some samples.2 Recent epidemiological evidence collected during the COVID-19 pandemic suggests increased rates of mental health symptoms among athletes during lockdown.3 In professional football (soccer), the prevalence of anxiety and depression doubled during the COVID-19 emergency period compared with immediately prior in both females (N=600; 18% vs 8% for anxiety) and males (N=1309; 13% vs 6% for depression).4 A significant difference was also found in US professional endurance athletes (N=114; 27% vs 5% for feeling anxious; 22% vs 4% for feeling depressed),5 as well as in the top leagues of Swedish football, ice hockey and handball (N=327), all correlated with COVID-19 pandemic distress.3 In Norway, symptoms of insomnia (38.3%) and depression (22.3%) were common among female and male elite athletes during COVID-19 (n=378).3 Among US high school athletes, the prevalence of moderate to severe depression more than tripled during the COVID-19 emergency period compared with years prior in both female (N=1877; 37% vs 11%) and male athletes (N=1366; 27% vs 6%).6 Increased mental health symptoms among athletes in the aforementioned studies might be linked to a range of pandemic-associated factors.7 Of concern, while athletes who have been able to return to sports participation after the end of the emergency period have shown some improvement in mental health, in many cases their mental health has not fully recovered to prepandemic status.7
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.
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 | 0,006 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle