Lifestyle changes during the COVID-19 pandemic in Brazil: results from three consecutive cross-sectional web surveys
Notice bibliographique
Résumé
OBJECTIVE: The importance of a healthy lifestyle in preventing morbidity and mortality is well-established. The COVID-19 pandemic brought about significant lifestyle changes globally, but the extent of these changes in the Brazilian population remains unclear. The objective of this study was to evaluate changes in lifestyle among the Brazilian general population during the first year of the pandemic. DESIGN: Three consecutive anonymous web surveys were carried out: survey 1 (S1)-April 2020, S2-August 2020 and S3-January 2021. SETTING: Brazil. PARTICIPANTS: The study included 19 257 (S1), 1590 (S2) and 859 (S3) participants from the general population, who were ≥18 years, of both sexes, with access to the internet, self-reporting living in Brazil and who agreed to participate after reading the informed consent. PRIMARY OUTCOME: Lifestyle changes were assessed using the Short Multidimensional Instrument for Lifestyle Evaluation-Confinement (SMILE-C). The SMILE-C assesses lifestyle across multiple domains including diet, substance use, physical activity, stress management, restorative sleep, social support and environmental exposures. We used a combination of bootstrapping and linear fixed-effect modelling to estimate pairwise mean differences of SMILE-C scores overall and by domain between surveys. RESULTS: In all the surveys, participants were mostly women and with a high education level. Mean SMILE-C scores were 186.4 (S1), 187.4 (S2) and 190.5 (S3), indicating a better lifestyle in S3 as compared with S1. The pairwise mean differences of the overall SMILE-C scores were statistically significant (p<0.001). We also observed a better lifestyle over time in all domains except for diet and social support. CONCLUSIONS: Our findings indicate that individuals from a large middle-income country, such as Brazil, struggled to restore diet and social relationships after 1 year of the pandemic. These findings have implications for monitoring the long-term consequences of the pandemic, as well as future pandemics.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».