MétaCan
Menu
Retour à la cohorte
Enregistrement W4313470775 · doi:10.6000/1929-6029.2022.11.22

Vaccination, Compliance with Preventive Measures and Mental Health during COVID-19 among Adults in Bangladesh: Do Vaccination and Compliance with Preventive Measures Improve Mental Health?

2022· article· en· W4313470775 sur OpenAlexvenueno aff
Bipasha Singha, Shamal Chandra Karmaker, M. Mazharul Islam, Kareman Eljamal, Bidyut Baran Saha

Notice bibliographique

RevueInternational Journal of Statistics in Medical Research · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineAnxietyVaccinationMental healthDepression (economics)Logistic regressionPandemicCompliance (psychology)Descriptive statisticsEnvironmental healthPsychiatryCoronavirus disease 2019 (COVID-19)DiseasePsychologyInfectious disease (medical specialty)Internal medicine

Résumé

récupéré en direct d'OpenAlex

Background and Objective: In addition to the reduction of risk of COVID-19 transmission and mortality, vaccination and compliance with the preventive measures of COVID-19 may have important additional benefits for the improvement of mental health. This study examined the levels and determinants of vaccination, compliance with preventive measures, and anxiety, depression and stress among Bangladeshi adults. It also examined the effects of vaccination and compliance with preventive measures on mental health status among Bangladeshi adults. Methods: Data for the study come from an online survey conducted during November and December 2021 among Bangladeshi adults. A total of 615 adults participated in the survey. A 21-item Depression, Anxiety, and Stress scale (DASS 21) were used for collecting data on mental health. Both descriptive and inferential statistical methods including multiple logistic regression were used for data analysis. Results: About 69% of Bangladeshi adults were vaccinated with at least one dose; 87% of adults believed that vaccines are moderate to highly effective in reducing COVID-19 infection. Among the preventive measures during a pandemic, the level of complete compliance with wearing masks and hand washing was almost universal, while the compliance level with other preventive measures was moderate. Vaccinated people had a 55% (OR=0.45; 95%CI:0.26-0.82), 67% (OR=0.33; 95%CI:0.12-0.91), and 44% (OR=0.56; 95%CI:0.27-0.97) lower chance of suffering from depression, anxiety, and stress, respectively than non-vaccinated people. People with complete compliance had 64% (OR= 0.36; 95%CI:0.18-0.72), 71% (OR=0.29; 95%CI:0.15-0.58), and 74% (OR=0.26; 95%CI:0.13-0.50) lower risk of suffering from depression, anxiety, and stress, respectively, than respondents with irregular preventive behaviors. Conclusion: This study documents the important psychological benefits of vaccination and compliance with preventive measures of COVID-19.

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)0,004
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 enseignants0,036
Score d'incertitude au seuil0,072

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 Opus0,086
Tête enseignante GPT0,486
Écart entre enseignants0,401 · 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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Statistics in Medical ResearchMême sujetCOVID-19 and Mental HealthTravaux en français237 207