Higher perceived stress during the COVID-19 pandemic increased menstrual dysregulation and menopause symptoms
Notice bibliographique
Résumé
BACKGROUND: The increased stress the world experienced with the coronavirus disease (COVID-19) pandemic affected mental health, disproportionately affecting females. However, how perceived stress in the first year affected menstrual and menopausal symptoms has not yet been investigated. OBJECTIVES: This study evaluates the effect that the first year of the COVID-19 pandemic had on female reproductive and mental health. METHODS: Residents in British Columbia, Canada, were surveyed online as part of the COVID-19 Rapid Evidence Study of a Provincial Population-Based Cohort for Gender and Sex. A subgroup of participants (n = 4171), who were assigned female sex at birth (age 25-69 years) and were surveyed within the first 6-12 months of the pandemic (August 2020-February 2021), prior to the widespread rollout of vaccines, was retrospectively asked if they noticed changes in their menstrual or menopausal symptoms, and completing validated measures of stress, depression and anxiety. DESIGN: This is a population-based online retrospective survey. RESULTS: We found that 27.8% reported menstrual cycle disturbances and 6.7% reported increased menopause symptoms. Those who scored higher on perceived stress, depression and anxiety scales were more likely to report reproductive cycle disturbances. Free-text responses revealed that reasons for disturbances were perceived to be related to the pandemic. CONCLUSION: The COVID-19 pandemic has highlighted the need to research female-specific health issues, such as menstruation. Our data indicate that in the first year of the pandemic, almost one-third of the menstruating population reported disturbances in their cycle, which was related to percieved stress, depression and anxiety scores.
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 | 0,001 | 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 | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».