MétaCan
Menu
Retour à la cohorte
Enregistrement W4318538851 · doi:10.2196/42677

Association of Depression With Precautionary Behavior Compliance, COVID-19 Fear, and Health Behaviors in South Korea: National Cross-sectional Study

2023· article· en· W4318538851 sur OpenAlexvenueno aff
Hyerine Shin, Jisu Kim, HyunHae Lee

Notice bibliographique

RevueJMIR Public Health and Surveillance · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensnon disponible
Organismes subventionnairesChung-Ang University
Mots-clésCross-sectional studyPandemicDepression (economics)Environmental healthMedicineOdds ratioOddsPublic healthPsychiatryMental healthPsychologyCoronavirus disease 2019 (COVID-19)Clinical psychologyLogistic regressionDisease

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: As of January 2022, the number of people infected with COVID-19 worldwide has exceeded 350 million. As the COVID-19 pandemic continues, people are affected in a wide range of areas of life, which in turn causes numerous psychological problems. Depression is a serious problem for people who have suffered from COVID-19. Depression can worsen COVID-19 precautionary behavior compliance or the health behavior itself. In addition, these depressive symptoms may have different characteristics depending on the individual's gender. OBJECTIVE: The aim of this study was to determine whether depression is a factor that may affect COVID-19 fear, precautionary behavior compliance, and health behavior, and how these characteristic trends differ by gender. METHODS: This was a secondary analysis of data from the 2020 Korea Community Health Survey (KCHS), a national cross-sectional survey conducted with complex sampling analysis. In 2020, the KCHS included COVID-19-related questions. For this study, we used the KCHS data from both the COVID-19-related questions and the Patient Health Questionnaire-9 scale. After weighting the data according to the KCHS guidelines, we calculated the distribution of men and women according to depression level. The data were collected using multiple-choice questions related to precautionary behavior compliance, COVID-19-related fears, and health behavior changes. RESULTS: Of the 204,787 participants, those who were clinically depressed had a greater tendency to not comply with precautionary behaviors. Regarding COVID-19, "fear" showed a decreasing trend in both men (adjusted odds ratio [AOR] 0.72, 95% CI 0.61-0.83) and women (AOR 0.74, 95% CI 0.63-0.86) with clinically relevant depression. Moreover, for both men and women, health behaviors deteriorated as depression intensified; the AOR for sleep duration changes was 2.28 (95% CI 2.00-2.59) in men and was 2.15 (95% CI 1.96-2.36) in women. Notably, the responses of clinically depressed women revealed a doubled increase in both their drinking (AOR 2.25, 95% CI 1.88-2.70) and smoking (AOR 2.71, 95% CI 1.95-3.77) habits compared with those of nondepressed women. CONCLUSIONS: Both men and women with more severe depression were more likely to violate precautionary health behaviors as their depression worsened. Health behaviors also deteriorated for both genders, but women tended to show a greater change. Therefore, additional studies and interventions for vulnerable groups such as severely depressed people are needed. More research is also necessary to develop interventions based on statistical comparisons of men and women.

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)0,001
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 enseignants0,008
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
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 Opus0,157
Tête enseignante GPT0,479
Écart entre enseignants0,322 · 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

Citations11
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Public Health and SurveillanceMême sujetCOVID-19 and Mental HealthTravaux en français237 207