Sex and Gender Impact Mental and Emotional Well-Being During COVID-19 Pandemic: A European Countries Experience
Notice bibliographique
Résumé
Objective: The COVID-19 pandemic influences mental health drastically. Therefore, our aim was to investigate whether biological sex and gender-related factors are associated with mental health during the COVID-19 pandemic. Materials and Methods: The International COVID-19 Awareness and Responses Evaluation Study is an international multiwave cross-sectional observational cohort study of public awareness, attitudes, and responses to public health policies (www.mbmc-cmcm.ca/covid19). The study is led by the Montreal Behavioural Medicine Centre in collaboration with 200 international collaborators from 42 countries. It has received research ethics board approval from the Comité d'éthique de recherche du CIUSSS-NIM (Centre intégré universitaire de santé et de services sociaux du Nord- de-l'île-de-Montréal), approval no.: 2020-2099/25-03-2020. Recruitment began on March 27, 2020, and the survey is available in 34 languages. The associations between biological sex, sociocultural gender, and mental health were assessed in multivariate logistic regression models only for the European population (n = 12,300). Results: Positive correlations were found between female sex and “feeling nervous, anxious or worried” (OR = 3.2, p < 0.001, 95% CI 1.87–5.63) and “feeling sad, depressed or hopeless” (OR 1.8, p = 0.031, CI 1.05–3.05). Male sex was related to more frequently “feeling irritable, frustrated, and angry” (OR = 1.8, p = 0.04, 95% CI 1.03–2.99). Concerning gender, a negative correlation between being employed and “feeling lonely or isolated” (OR = 0.26, p < 0.001, 95% CI 0.11–0.59) was observed in the female cohort. Conclusion: Sex and gender differences exist in the emotional responses during the COVID-19 pandemic. Especially, within the female cohort, unemployment is negatively associated with mental health. Therefore, this study suggests more targeted psychological and social support for females during the pandemic.
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 | 0,001 | 0,002 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».