MétaCan
Menu
Retour à la cohorte
Enregistrement W4292184431 · doi:10.18535/jmscr/v10i4.15

A Comparative Cross-Sectional Psychological analysis of psychosocial and mental health issues faced by frontline healthcare professionals during COVID- 19 pandemic across various countries

2022· article· en· W4292184431 sur OpenAlexaboutno aff
Dr Somya Puri

Notice bibliographique

RevueJournal of Medical Science And clinical Research · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychosocialMedicinePandemicCoronavirus disease 2019 (COVID-19)Mental healthCross-sectional studyHealth careHealth professionals2019-20 coronavirus outbreakFamily medicinePsychiatryNursingVirologyDiseaseInfectious disease (medical specialty)Economic growthPathology

Résumé

récupéré en direct d'OpenAlex

Background: COVID-19 was declared as global pandemic by WHO by March 2020. Since then, overwhelming workload, inadequate human resources, technology, personal protective gear and workplace harassment, could cause stress, anxiety or depression among the healthcare professionals. Being care givers to the society it was imperative to evaluate and assess the impact of the pandemic to find a potential ground to make adequate amendments to ensure good mental health of our professionals. Aim: The present study was designed with the objectives to evaluate and compare levels stress, anxiety and depression in healthcare professionals working in India and countries other than India. Setting and Design: This was a cross-sectional study conducted among 200 participants (100 Indians and 100 from other countries-USA, Canada. Method: A questionnaire link through Google form was distributed among healthcare professionals after taking consent. The study was approved by the institutional ethical committee. Statistical Analysis: The results of the two groups were compared using chi square test to observe a difference of significance among them.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,049
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesÉtudes des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,060
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0490,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0030,004
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,436
Tête enseignante GPT0,726
Écart entre enseignants0,290 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Medical Science And clinical ResearchMême sujetCOVID-19 and Mental HealthTravaux en français237 207