Psychological disorders among college going students: A post Covid-19 insight from Bangladesh
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The COVID-19 pandemic has been found to result in adverse effects on both the physical and mental well-being of individuals. The adolescent population emerged as one of the most susceptible cohorts affected by the ongoing pandemic. They experienced significant adversity due to various mental health conditions. The objective of this study was to evaluate the present prevalence rates of depression, anxiety, and internet addiction among college-going students in Bangladesh following the post-COVID period. The study involved a cohort of 7667 students. A cross-sectional study was conducted to evaluate the levels of depression, anxiety, and internet addiction among college-going adolescents. The assessment utilized the Patient Health Questionnaire (PHQ-9), Generalised Anxiety Disorder (GAD-7), and Young's Internet Addiction Test (IAT) scales. The data was analyzed using the Pearson chi-square test and binary logistic regression. Participants averaged 15.3 years old and 64.3% female. 63% of students fulfilled the criterion for internet addiction, 37% did not, 75% met depression criteria, 25% did not, and 60% met anxiety requirements. Girls were more depressed and anxious than boys. Boys were more internet-addicted than girls. Social media usage from COVID-19, daily exercise, online courses, and financial concerns throughout the pandemic affected participants' mental health. Still, the students were suffering from internet addiction, depression, and anxiety after COVID-19. Early identification and intervention may lessen these difficulties' influence on adolescents' academic and personal lives. Colleges may provide mental health services, encourage healthy lives, and educate on mental health.
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.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle