Prevalence of Psychological Disorders among Health Workers During the COVID-19 Pandemic: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Background: Repeated contact with patients with COVID-19 and working in quarantine conditions has made health workers vulnerable to psychological distress during the COVID-19 pandemic. The goal of the present systematic review and meta-analysis was to examine the prevalence of the various psychological distresses among health workers during the COVID-19 pandemic. Methods: PubMed, Scopus, Web of Science, EMBASE, and Cochrane databases were searched for access to papers examining psychological distress among healthcare workers during the COVID-19 pandemic. Risk of bias was assessed using the Newcastle-Ottawa Scale (NOS). Heterogeneity among the studies was examined using the Cochran's Q test; because heterogeneity was significant, the random effects model was used to examine the prevalence of psychological distress. Results: Overall, 12 studies with a total sample size of 5265 were eligible and included in the analysis. Prevalence rates of depression, anxiety, and PTSD were 20% (95% CI: 14-27), 23% (95% CI: 18-27), and 8% (95% CI: 6-9), respectively. The highest prevalence rates of depression and anxiety were related to the SDS and the GAD-7, respectively, and the lowest prevalence rates of the two aforementioned variables were related to the DASS-21. Conclusions: The high prevalence of psychological distress among healthcare workers during the COVID-19 epidemic can have negative effects on their health and the quality of services provided. Therefore, training coping strategies for psychological distress in this pandemic seems necessary.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 tête enseignante, 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 ».