Mental Health Problems among Elementary School Students Mandated to e-Learning: A COVID-19 Rapid Review Caveat
Notice bibliographique
Résumé
Extended lockdowns during the COVID-19 pandemic mandated millions of students worldwide to e-learning and by default made many of their parents proxy homeschool teachers. Preliminary anecdotal, journalistic and qualitative evidence suggested that elementary school children and their parents were probably most vulnerable to this stressor and most likely to experience mental health problems because of it. We responded with a rapid review of 15 online surveys to estimate the magnitude of such risks and their predictors between 2020 and 2021. The pooled relative risk of mental health problems among school children and their parents was substantial (RR = 1.97). Moreover, this synthetic finding did not differ significantly between 10 child mental health outcomes (primarily measures of anxiety or depression) and five parental stress outcomes. Such risks to children and parents were incrementally greater among Latinx (RR = 1.81) and Black families (RR = 2.50) than among non-Hispanic White families (RR = 1.58) in the USA. Finally, such risks in the West (RR = 2.12) were observed to be greater than those in the East (RR = 1.36). Grave risks were experienced worldwide, but the pandemic once again clarified for the world that such structural violence, in this instance, in elementary school systems, was much more prevalent and virulent among Black and Brown families in places like the USA. Educational practice implications, future research and pandemic preparedness needs are discussed.
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 | 0,003 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».