Mental health among university employees during the COVID-19 pandemic: The role of previous life trauma and current posttraumatic stress symptoms.
Notice bibliographique
Résumé
OBJECTIVE: Previous studies indicated that the coronavirus disease 2019 (COVID-19) pandemic has harmed the mental health of diverse samples. Adopting a trauma lens with a sample of university faculty and staff, this study examined risk conferred by previous exposure to traumatic life events (TLE) on pandemic-related mental health harm (MHH) and stress and the mediating influence of posttraumatic stress disorder (PTSD) symptoms. METHOD: = 641) of a public university in the United States completed an online cross-sectional survey, including validated scales of TLE and PTSD and single-item measures of MHH and stress taken from published COVID-19 studies. A structural probit model was used to estimate: (a) direct effects of cumulative TLE on PTSD, MHH, and stress; and (b) indirect effects of cumulative TLE via PTSD adjusting for age. Gender was tested as a moderating influence. RESULTS: Nearly 36% of the sample reported positive PTSD screens along with high levels of MHH (22.5%) and stress (42.3%). Cumulative TLE was significantly and positively associated with MHH and stress. Both genders experienced a negative impact on mental health and stress either fully or partially through PTSD symptoms; however, the gender by trauma interaction term was not significant. As age decreased, PTSD and MHH increased. CONCLUSION: Results suggest that PTSD symptoms play a crucial role in the experience of MHH and stress during the pandemic for those who endured previous trauma. Implications for employer policies, public health messaging, and mental health services are explored. (PsycInfo Database Record (c) 2023 APA, all rights reserved).
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 | 0,010 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».