Depression during the COVID‐19 pandemic among older adults with stroke history: Findings from the Canadian Longitudinal Study on Aging
Notice bibliographique
Résumé
OBJECTIVES: The COVID-19 pandemic and accompanying public health measures exacerbated many known risk factors for depression, while also increasing numerous health-related stressors for people with stroke history. Using a large longitudinal sample of older adults, the current study examined the prevalence of incident and recurrent depression among participants with stroke history, and also identified factors that were associated with depression during the pandemic among this population. METHODS: Data came from four waves of the Canadian Longitudinal Study on Aging's (CLSA) comprehensive cohort (n = 577 with stroke history; 46.1% female; 20.8% immigrants; mean age = 74.56 SD = 9.19). The outcome of interest was a positive screen for depression, based on the CES-D-10, collected during the 2020 CLSA COVID autumn questionnaire. Bivariate and multivariate logistic regression analyses were conducted to identify factors that were associated with depression. RESULTS: Approximately 1 in 2 (49.5%) participants with stroke history and a history of depression experienced a recurrence of depression early in the pandemic. Among those without a history of depression, approximately 1 in 7 (15.0%) developed depression for the first time during this period. The risk of depression was higher among immigrants, those who were lonely, those with functional limitations, and those who experienced COVID-19 related stressors, such as increased family issues, difficulty accessing healthcare, and becoming ill or having a loved one become ill or die during the pandemic. CONCLUSIONS: Interventions that target those with stroke history, both with and without a history of depression, are needed to buffer against the stressors of the COVID-19 pandemic and support the mental health of this population.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».