Inequality on the frontline: A multi-country study on gender differences in mental health among healthcare workers during the COVID-19 pandemic
Notice bibliographique
Résumé
Healthcare workers (HCWs) were at increased risk for mental health problems during the COVID-19 pandemic, with prior data suggesting women may be particularly vulnerable. Our global mental health study aimed to examine factors associated with gender differences in psychological distress and depressive symptoms among HCWs during COVID-19. Across 22 countries in South America, Europe, Asia and Africa, 32,410 HCWs participated in the COVID-19 HEalth caRe wOrkErS (HEROES) study between March 2020 and February 2021. They completed the General Health Questionnaire-12, the Patient Health Questionnaire-9 and questions about pandemic-relevant exposures. Consistently across countries, women reported elevated mental health problems compared to men. Women also reported increased COVID-19-relevant stressors, including insufficient personal protective equipment and less support from colleagues, while men reported increased contact with COVID-19 patients. At the country level, HCWs in countries with higher gender inequality reported less mental health problems. Higher COVID-19 mortality rates were associated with increased psychological distress merely among women. Our findings suggest that among HCWs, women may have been disproportionately exposed to COVID-19-relevant stressors at the individual and country level. This highlights the importance of considering gender in emergency response efforts to safeguard women's well-being and ensure healthcare system preparedness during future public health crises.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».