A systematic review of fear, stigma, and mental health outcomes of pandemics
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 pandemic has negatively affected the mental health of people globally. Despite substantial research on the short-term psychological impact of COVID-19, its long-term consequences on mental health remain relatively unexplored. AIMS: We aimed to examine mental health literature on prior outbreaks to provide recommendations for developing effective strategies to mitigate the short- and long-term psychological impact of the current pandemic. METHODS: We conducted a narrative review of 41 studies to analyze the adverse impact of the following epidemics and pandemics on the mental health of individuals, groups, and communities: Middle East Respiratory Syndrome, Severe Acute Respiratory Syndrome, Influenza A/H1N1, and Ebola Virus Disease. RESULTS: We noted that these past epidemics and pandemics escalated stress, distress, anxiety, fear, and stigma that persisted in countries and communities. We also identified the role of misinformation in propagating discrimination and prejudice towards certain groups. CONCLUSIONS: We discuss how the mental health outcomes of previous pandemics differed from the COVID-19 outbreak. We believe that strategies that reduce misinformation, educational initiatives, and mental health programs when introduced at the individual and community level have the potential to effectively diminish the negative psychological impact of COVID-19. PRISMA: This study followed the PRISMA guidance and was not registered in PROSPERO. This is a narrative review that used qualitative thematic analysis. Publishing a protocol on a protocol repository for such reviews is not the standard of practice.
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 | 0,007 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».