Impact of the COVID-19 Pandemic on Mental Health among Patients with Chronic Ocular Conditions
Notice bibliographique
Résumé
The COVID-19 pandemic had significant impacts on the mental and visual health of patients. This cross-sectional, survey-based, multicentric study evaluates the state of mental and visual health among patients with chronic ocular diseases such as glaucoma, neovascular age-related macular degeneration, diabetic retinopathy, or chronic uveitis during the lockdown period of the COVID-19 pandemic. Mental health was assessed using three questionnaires: the Patient Health Questionnaire-9 (PHQ-9), the Impact of Event Scale-Revised (IES-R), and the National Eye Institute Visual Function Questionnaire-25 (VFQ-25). A total of 145 patients completed the questionnaires. The PHQ-9 showed that most respondents (n = 89, 61%) had none or minimal depressive symptoms, while 31 (21%) had mild depressive symptoms, 19 (13%) had moderate depressive symptoms, 5 (3%) had moderately severe depressive symptoms, and 1 (1%) had severe depressive symptoms. Regarding stress surrounding the pandemic, the median IES-R showed mild distress in 16 (11%), moderate distress in 7 (5%), and severe distress in 4 (3%). The COVID-19 pandemic lockdowns had a negative impact on patients’ mental health with close to 20% of the patients reporting at least moderately depressive symptoms and 19% reporting at least mildly distressful symptoms.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».