Financial Loss and Depressive Symptoms in University Students During the First Wave of the COVID-19 Pandemic: Comparison Between 23 Countries
Notice bibliographique
Résumé
Objectives: To assess the association between students’ financial loss and depressive symptoms during the first wave of the coronavirus disease 2019 (COVID-19) pandemic and whether this association varied by countries having different levels of lockdown measures. Methods: This cross-sectional survey, conducted in spring 2020, included 91,871 students from 23 countries. Depressive symptoms were measured using the shortened Center for Epidemiological Studies Depression Scale and information on lockdowns retrieved from the COVID-19 government response tracker. The association between financial loss and depressive symptoms was investigated estimating prevalence ratios (PR) with multilevel Poisson models. Results: Some 13% of students suffered financial loss during the lockdown and 52% had a relatively high depression score, with large between-countries differences. Minimally and maximally adjusted models showed a 35% (PR = 1.35, 95% Confidence Interval (CI) = 1.29–1.42) and 31% (PR = 1.31, 95% CI = 1.26–1.37) higher prevalence of depressive symptoms in students who lost economic resources compared to students with stable economic resources. No substantial differences in the association were found across countries. Conclusion: Depressive symptoms were more frequent among students who suffered financial loss during the pandemic. Policy makers should consider this issue in the implementation of COVID-19 mitigating measures.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 ».