MétaCan
Menu
Retour à la cohorte
Enregistrement W4319828843 · doi:10.1177/10541373221151105

Impacts of the COVID-19 Pandemic on the Bereaved

2023· article· en· W4319828843 sur OpenAlexafffund
Soraya A. Janus, Steff King, Vienna C. Lam, Gail S. Anderson

Notice bibliographique

RevueIllness Crisis & Loss · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueGrief, Bereavement, and Mental Health
Établissements canadiensSimon Fraser University
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaEntomological Society of CanadaSimon Fraser UniversityForensic Sciences FoundationIndependent Social Research Foundation
Mots-clésGriefPandemicBlameCoronavirus disease 2019 (COVID-19)Disenfranchised griefGovernment (linguistics)PsychologyComplicated grief2019-20 coronavirus outbreakPsychiatryMedicineVirology

Résumé

récupéré en direct d'OpenAlex

The COVID-19 pandemic has killed millions across the world in only two years. Government health restrictions aimed at preventing transmission have impacted typical mourning practices such as funeral gatherings and in-person grief support services. This research examines the potential impacts that the pandemic may have had on people's ability to grieve. We employed a mixed methods study design to ask those who have lost a loved one during this time to reflect on their mourning practices with an anonymous survey. Our results present themes of complicated grief, the uncertainty of who to blame for frustrations, and common needs requested by the bereaved to help them mourn during these unprecedented times. These findings may help inform grief support and bereavement services during current and future mass death and pandemic health concerns.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,296
Score d'incertitude au seuil0,818

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,077
Tête enseignante GPT0,394
Écart entre enseignants0,316 · 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 tête enseignante, 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

Citations5
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIllness Crisis & LossMême sujetGrief, Bereavement, and Mental HealthTravaux en français237 207