Mental distress and virtual mental health resource use amid the COVID-19 pandemic: Findings from a cross-sectional study in Canada
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Objective: This paper characterizes levels of mental distress among adults living in Canada amid the COVID-19 pandemic and examines the extent of virtual mental health resource use, including reasons for non-use, among adults with moderate to severe distress. Methods: = 3030) in Canada during the pandemic. Levels of mental distress were assessed using the Kessler Psychological Distress Scale. Descriptive statistics were used to examine virtual mental health resource use among participants with moderate to severe distress, including self-reported reasons for non-use. Results: Levels of mental distress were classified as none to low (48.8% of participants), moderate (36.6%), and severe (14.6%). Virtual mental health resource use was endorsed by 14.2% of participants with moderate distress and 32% of those with severe distress. Participants with moderate to severe distress reported a range of reasons for not using virtual mental health resources, including not feeling as though they needed help (37.4%), not thinking the supports would be helpful (26.2%), and preferring in-person supports (23.4%), among other reasons. Conclusions: This study identified a high burden of mental distress among adults in Canada during the COVID-19 pandemic alongside an apparent mismatch between actual and perceived need for support, including through virtual mental health resources. Findings on virtual mental health resource use, and reasons for non-use, offer directions for mental health promotion and health communication related to mental health literacy and the awareness and appropriateness of virtual mental health resources.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle