The prevalence and associated factors of moderate to severe depression symptoms among Fort McMurray residents during the COVID-19 Pandemic
Notice bibliographique
Résumé
Introduction The Coronavirus disease (COVID-19) pandemic affected the mental health of many individuals, especially vulnerable communities, who have experienced multiple traumas. Objectives To examine the prevalence and associated factors of likely major depressive disorder (MDD) among inhabitants of Fort McMurray. Methods A study adopted a cross-sectional design, and questionnaires were distributed online. Sociodemographic, COVID-19-related, and clinical data were obtained. The Patient Health Questionnaire (PHQ-9) scale was used to assess likely MDD. SPSS version 25 used employed to analyze the data. Results The prevalence of likely MDD among participants was 45%. Participants who desire mental health counselling are more likely to exhibit depression symptoms during the COVID-19 pandemic (OR = 5.48; 95% CI: 1.95–15.40). History of depression (OR = 4.64; 95% CI: 1.49–14.44) and hypnotics (OR = 5.72; 95% CI: 1.08–30.30) were more likely to experience depression symptoms during the pandemic than other participants without a history. Participants who received absolute support from the employer (OR = 3.50; 95% CI: 1.24–9.82) were protective against depression symptoms amid the pandemic. Conclusions Clinical factors and employer support are associated with depression symptoms during the pandemic. Communities that have experienced multiple traumas need to reduce any psychopathology, and governmental bodies need to implement holistic policies to increase support to individuals during traumatic eras like the CVID-19 pandemic. Disclosure of Interest None Declared
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,002 | 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 ».