Symptoms of mental illness among university student-athletes during the second wave of the COVID-19 pandemic lockdown in Canada
Notice bibliographique
Résumé
The COVID-19 pandemic lockdown disrupted the university sports season and had negative consequences on the academic and personal life of university student-athletes, resulting in several psychological challenges. The goal of this study is to document the symptoms of mental illness among university student-athletes during the second wave of the COVID-19 pandemic lockdown in Canada. It aims to (a) assess the prevalence of mental illness symptoms (anxiety, depression, disordered eating, and dangerous drinking) among university student-athletes and (b) identify which sociodemographic and sports characteristics, pandemic impacts, and levels of perceived stress most influence these symptoms. A total of 424 university student-athletes completed an online survey, which included questions on mental illness and the impact of the pandemic lockdown. The results revealed a notable prevalence of the symptoms of mental illness; depressive symptoms are reported by 37.9% of the participants, anxiety symptoms by 24.9%, dangerous drinking symptoms by 10.1%, and disordered eating by 8.6%. In addition, being female [OR = 0.56, 95% CI (0.33, 0.95)] or a member of a visible minority group [OR = 2.63, 95% CI (1.02, 6.78)] are significantly associated with the presence of depressive symptoms. Low academic motivation has a significant negative influence on the presence of depressive [OR = 3.37, 95% CI (1.82, 6.25)] and anxiety symptoms [OR = 2.75, 95% CI (1.35, 5.62)]. However, the presence of perceived stress was strongly associated with depressive [OR = 7.07, 95% CI (3.26, 15.35)], anxiety [OR = 6.51, 95% CI (3.30, 12.84)], and dangerous drinking symptoms [OR = 5.74, 95% CI (2.51, 13.14)]. This study advocates for specific mental illness prevention and treatment resources tailored to the unique needs of university student-athletes. Accordingly, partnerships and practical interventions to support university student-athletes' mental health are presented.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».