The mental health of Australians bereaved during the first two years of the COVID-19 pandemic: a latent class analysis
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 pandemic disrupted many areas of life, including culturally accepted practices at end-of-life care, funeral rites, and access to social, community, and professional support. This survey investigated the mental health outcomes of Australians bereaved during this time to determine how these factors might have impacted bereavement outcomes. METHODS: An online survey indexing pandemic and bereavement experiences, levels of grief, depression, anxiety, and health, work, and social impairment. Latent class analysis (LCA) was used to identify groups of individuals who shared similar symptom patterns. Multinomial regressions identified pandemic-related, loss-related, and sociodemographic correlates of class membership. RESULTS: 1911 Australian adults completed the survey. The LCA identified four classes: low symptoms (46.8%), grief (17.3%), depression/anxiety (17.7%), and grief/depression/anxiety (18.2%). The latter group reported the highest levels of health, work, and social impairment. The death of a child or partner and an inability to care for the deceased due to COVID-19 public health measures were correlated with grief symptoms (with or without depression and anxiety). Preparedness for the person's death and levels of pandemic-related loneliness and social isolation differentiated all four classes. Unemployment was associated with depression/anxiety (with or without grief). CONCLUSIONS: COVID-19 had profound impacts for the way we lived and died, with effects that are likely to ricochet through society into the foreseeable future. These lessons learned must inform policymakers and healthcare professionals to improve bereavement care and ensure preparedness during and following future predicted pandemics to prevent negative impacts.
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 | 0,002 | 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».