Multimorbidity, COVID-19 and Mental Health: Canadian Longitudinal Study on Aging (CLSA) Longitudinal Analyses
Notice bibliographique
Résumé
OBJECTIVES: This paper examines the longitudinal effects of the COVID-19 pandemic on older adults (65+) with multimorbidity on levels of depression, anxiety, and perceived global impact on their lives. METHODS: Baseline (2011-2015) and Follow-up 1 (2015-2018) data from the Canadian Longitudinal Study on Aging (CLSA), and the Baseline and Exit waves of the CLSA COVID-19 study (April-December, 2020) (n = 18,099). Multimorbidity was measured using: a) an additive scale of chronic conditions; and b) six chronic disease clusters. Linear Mixed Models were employed to test hypotheses. RESULTS: Number of chronic conditions pre-pandemic was associated with pandemic levels of depression (estimate = 0.40, 95% CI: [0.37,0.44]); anxiety (estimate = 0.20, 95% CI: [0.18, 0.23]); and perceived negative impact of the pandemic (OR = 1.04, 95% CI: [1.02, 1.06]). The associations between multimorbidity and anxiety decreased during the period of the COVID-19 surveys (estimate = -0.02, 95% CI: [-0.05, -0.01]); whereas the multimorbidity association with perceived impact increased (OR = 1.03, 95% CI: [1.01, 1.05]). CONCLUSIONS: This study demonstrates that pre-pandemic multimorbidity conditions are associated with worsening mental health. CLINICAL IMPLICATIONS: Clinicians treating mental health of older adults need to consider the joint effects of multimorbidity conditions and pandemic experiences to tailor counseling and other treatment protocols.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 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 ».