Pattern and associated factors of cognitive failures in the general chinese population during the early stages of the COVID-19 pandemic: A cross-sectional study
Notice bibliographique
Résumé
Background: The coronavirus disease-2019 (COVID-19) pandemic worldwide has caused a high burden of mental problems, which may be associated with subjective cognitive impairment in the general population. Objectives: This cross-sectional survey aimed to investigate the level and pattern of cognitive failure (CF) and its negative changes during the COVID-19 pandemic among the general population in China. Methods: The participants completed an online questionnaire between April 18 and May 4, 2020, and those aged between 18 and 70 were included in this study. CF was measured using the 14-item CF Questionnaire (CFQ-14). Factors associated with CF and negative changes in CF were evaluated using multiple linear and logistic regression models. A total of 30,879 eligible participants were recruited; most were female (59.10%) and aged 31–45 (61.51%). Results: The mean CFQ-14 score was 15.62 (standard deviation = 11.55), and 4,619 (14.96%) participants reported negative changes in CF during the pandemic. Multiple regression analyses showed that participants with female gender, history of physical and mental disease, the self-perceived influence of COVID-19, altered appetite and taste preference, worse interpersonal relationships, long sleep duration, poor sleep quality, depressive, anxiety and posttraumatic stress disorder symptoms had a higher level of CF and negative CF changes, while regular exercise was associated with a lower risk of both outcomes. Conclusions: This study indicates that CF symptoms should be monitored in the general population during pandemics. A healthy lifestyle and reduction in psychological stress could help promote normal cognitive function during pandemics.
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 | 0,000 |
| 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 ».