The impact of COVID-19 pandemic on depression and anxiety symptoms: Findings from the United Arab Emirates Healthy Future (UAEHFS) cohort study
Notice bibliographique
Résumé
BACKGROUND: Significant concerns about mental health were raised during the COVID-19 pandemic. We investigated the prevalence of depression and anxiety symptoms among the participants of the United Arab Emirates Healthy Future Study (UAEHFS); a national cohort study. We further explored the change in the prevalence of depression symptoms among those with comparable pre-pandemic data. METHODS: A sample of UAEHFS participants were invited to complete a COVID-19 online questionnaire during the first wave of the pandemic. Depression and anxiety symptoms were assessed using the Patient Health Questionnaire Depression Scale (PHQ-8) and the Generalized Anxiety Disorder-7 Scale (GAD-7) respectively. Unpaired analyses were done to examine the effect of COVID-19 on depression and anxiety symptoms during the pandemic. Paired analysis was conducted to examine the change in depression symptoms. RESULTS: During the pandemic, we reported a prevalence of 32.8% (95% CI: 27.0, 39.1) for depression and 26.4% (95% CI: 21.0, 32.6) for anxiety symptoms. Younger people reported higher levels of depression (40.4%) and anxiety (34.5%) symptoms. Females reported higher levels of depression (36.5%) and anxiety (32.7%) symptoms. In paired analysis, the prevalence of depression symptoms during the pandemic was 34% (95% CI: 26.5, 42.4) compared to 29.9% (95% CI: 22.7, 38.1) before the pandemic. No statistically significant difference was observed, p-value = 0.440. Adjusted multivariate logistic regression models for PHQ-8 and GAD-7 during the pandemic showed that participants, who were experiencing flu-like symptoms, had higher odds of reporting depression symptoms compared to those without symptoms. Additionally, age was significantly negatively associated with anxiety symptoms. CONCLUSIONS: Overall, we found that depression and anxiety symptoms were more prevalent among young people and females. However, we did not find a significant change in the prevalence of depression symptoms among those with comparable pre-pandemic data. Identifying vulnerable groups and understanding trajectories through longitudinal studies would help with planning for effective mental health interventions for the current and future pandemics.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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; 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 ».