Stressful life events and depressive symptoms during COVID‐19: A gender comparison
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 precipitated a wide range of public health, economic, social, and political shocks, setting in motion life events that reverberated to affect individuals' mental health. Moving beyond a checklist approach, this study drew on individuals' own words to identify both conventional and novel sources of stress during COVID-19 and examine the role of stressful life events in producing gender disparities in depressive symptoms. Drawing on a 2021 U.S. nationally representative survey, we coded text responses to an open-ended question on stressful life events and conducted descriptive and regression analyses (n = 1733). The analyses revealed three key findings. First, men were more likely to report having experienced no stressful life events or else mention politics as a source of stress. Women, by comparison, were more likely to report the following as stressful-inability to socialize, paid work, care work, health, or the death of loved ones. Second, for both women and men, respondents reporting no stressful life events had the lowest, and those reporting finances as the most stressful life event had the highest, depressive symptoms. Third, women had higher depressive symptoms than men, and mediation analysis showed that stressful life events explained approximately a third of the gender gap in depressive symptoms. The findings indicate that policies attending to people's financial stress are important for mitigating mental health risks in turbulent times. Interventions that reduce women's exposure to stressful life events are also crucial to bridging gender disparities in 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 | 0,001 | 0,002 |
| 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) | 0,000 | 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 découle