MétaCan
Menu
Retour à la cohorte
Enregistrement W4304807336 · doi:10.1186/s41687-022-00518-y

Self-reported health-related quality of life of the general population in Alberta, Canada during the COVID-19 pandemic

2022· article· en· W4304807336 sur OpenAlexafffundabout
Jiabi Wen, Fatima Al Sayah, Roland Simon, Markus Lahtinen, Jeffrey Johnson, Arto Öhinmaa

Notice bibliographique

RevueJournal of Patient-Reported Outcomes · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensUniversity of Alberta
Organismes subventionnairesEuroQol Research FoundationAlberta Health Services
Mots-clésPandemicRepresentativeness heuristicPopulationDemographyEQ-5DComparabilityQuality of life (healthcare)MedicineSurvey data collectionCoronavirus disease 2019 (COVID-19)AnxietyGerontologyPsychologyEnvironmental healthStatisticsSocial psychologyHealth related quality of lifePsychiatrySociology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The COVID-19 pandemic has impacted various aspects of people's life and wellbeing around the world. This study aimed to examine the impact of the COVID-19 pandemic on health-related quality of life (HRQL), measured by the EQ-5D-5L, amongst the general population in the province of Alberta, Canada, and explore whether the impact varied across population subgroups based on age, gender, and dwelling. METHODS: Data came from two waves of a repeated cross-sectional population-based survey, the COVID-19 Experiences and Impact Survey, administered by the Health Quality Council of Alberta. The first data collection (survey 1: n = 8790) was during May/June 2020 and the second (survey 2: n = 9263) during Oct 2020. We examined the comparability of weighted survey data and their representativeness to Alberta's general population. We then explored between-survey differences in EQ-5D-5L index, EQ-VAS and dimension responses, and differences across subgroups within each survey. We compared HRQL of the pooled sample (survey 1&2) with the Alberta population norms data from the pre-pandemic period. RESULTS: Mean EQ-5D-5L index and EQ-VAS scores were 0.81 (0.15) and 72.54 (18.57), and 0.82 (0.14) and 71.98 (18.96) in surveys 1 and 2, respectively. The anxiety/depression dimension had the most reported problems (survey 1: 69.5%, survey 2: 70.2%). Respondents aged 16-24 or 75 and older, who identified themselves as a woman, or residing in urban areas had significantly lower EQ-5D-5L index scores compared to their counterparts in both surveys. Between-survey differences were not substantially different. Comparing the pooled sample with the pre-pandemic Alberta population norms, EQ-5D-5L index scores (0.82 vs. 0.84) and EQ-VAS scores (72.26 vs. 77.40) were significantly lower, and respondents aged 16-44, women, or urban residents were more impacted. More problems were reported in the anxiety/depression (69.9% vs. 37.2%) and usual activities dimensions (40.5% vs. 26.0%) during the pandemic period, especially for respondents aged 16-44, women, and those residing in urban areas. CONCLUSIONS: Lower HRQL was reported during the COVID-19 pandemic compared to pre-pandemic HRQL in this population, with anxiety/depression and usual activities affected the most. People who were younger, women, and residing in urban areas were most impacted. The government responses to COVID-19 policies during population outbreaks should consider the needs of Albertans in these particular groups.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,186

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0020,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,215
Tête enseignante GPT0,401
Écart entre enseignants0,186 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations18
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Patient-Reported OutcomesMême sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207