Prevalence and correlates of positive and negative psychological effects of bereavement due to COVID-19: A living systematic review
Notice bibliographique
Résumé
Background: The coronavirus disease 2019 (COVID-19) pandemic is associated with an increase in mortality rates globally. Given the high numbers of deaths and the potentially traumatic characteristics of COVID-19 deaths, it is expected that grief-related distress levels are higher in COVID-19 bereaved (compared to non-COVID-19 bereaved) people. This living systematic review (LSR) investigates the empirical evidence regarding this claim. More specifically, this LSR summarizes studies evaluating prevalence and correlates of positive and negative psychological effects of COVID-19 bereavement. This iteration synthesizes evidence up to July 2022. Methods: Systematic searches were conducted in PsychInfo, Web of Science, and Medline by two independent reviewers. Eligible studies included quantitative peer-reviewed articles reporting on positive and/or negative psychological outcomes, using validated measures, in COVID-19 bereaved adults. The primary outcome was prolonged grief symptoms (PG). Results: Searches identified 9871 articles, whereof 12 studies met the inclusion criteria. All studies included prevalence rates and/or symptom-levels of psychological outcomes after COVID-19 losses. Prevalence rates of psychological outcomes were primarily reported in terms of (acute) PG, pandemic grief, depression, anxiety, and functional impairment, and varied widely between studies (e.g., ranged between 29% and 49% for acute PG). No studies reported on prevalence rates of positive psychological outcomes. Closer kinship to the deceased, death unexpectedness, and COVID-19 stressors were identified as correlates of increased psychological symptoms. Conclusions: Due to the small number and heterogeneity of studies, knowledge about psychological effects of COVID-19 bereavement is limited. This LSR offers a regular synthesis of up-to-date research evidence to guide clinicians, policy makers, public health professionals, and future research on the psychological effects of COVID-19 bereavement.
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 | 0,009 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,007 |
| Bibliométrie | 0,012 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».