Systematic review of mental health symptom changes by sex or gender in early-COVID-19 compared to pre-pandemic
Notice bibliographique
Résumé
Abstract Women and gender-diverse individuals have faced disproportionate socioeconomic burden during COVID-19. There have been reports of greater negative mental health changes compared to men based on cross-sectional research that has not accounted for pre-COVID-19 differences. We compared mental health changes from pre-COVID-19 to during COVID-19 by sex or gender. MEDLINE (Ovid), PsycINFO (Ovid), CINAHL (EBSCO), EMBASE (Ovid), Web of Science Core Collection: Citation Indexes, China National Knowledge Infrastructure, Wanfang, medRxiv (preprints), and Open Science Framework Preprints (preprint server aggregator) were searched to August 30, 2021. Eligible studies included mental health symptom change data by sex or gender. 12 studies (10 unique cohorts) were included, all of which reported dichotomized sex or gender data. 9 cohorts reported results from March to June 2020, and 2 of these also reported on September or November to December 2020. One cohort included data pre-November 2020 data but did not provide dates. Continuous symptom change differences were not statistically significant for depression (standardized mean difference [SMD] = 0.12, 95% CI -0.09–0.33; 4 studies, 4,475 participants; I 2 = 69.0%) and stress (SMD = − 0.10, 95% CI -0.21–0.01; 4 studies, 1,533 participants; I 2 = 0.0%), but anxiety (SMD = 0.15, 95% CI 0.07–0.22; 4 studies, 4,344 participants; I 2 = 3.0%) and general mental health (SMD = 0.15, 95% CI 0.12–0.18; 3 studies, 15,692 participants; I 2 = 0.0%) worsened more among females/women than males/men. There were no significant differences in changes in proportions above cut-offs: anxiety (difference = − 0.05, 95% CI − 0.20–0.11; 1 study, 217 participants), depression (difference = 0.12, 95% CI -0.03–0.28; 1 study, 217 participants), general mental health (difference = − 0.03, 95% CI − 0.09–0.04; 3 studies, 18,985 participants; I 2 = 94.0%), stress (difference = 0.04, 95% CI − 0.10–0.17; 1 study, 217 participants). Mental health outcomes did not differ or were worse by small amounts among women than men during early COVID-19.
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 | 0,009 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,012 | 0,010 |
| Bibliométrie | 0,009 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».