A - 52 Post-Pandemic Mental Health Symptom Presentations In Canadian Varsity Athletes
Notice bibliographique
Résumé
Abstract Purpose Mental health (MH) symptoms are often intertwined with concussion symptoms and affect recovery trajectories. Recent studies indicate that the COVID-19 pandemic had a negative impact on athletes’MH, further highlighting the need to understand pre-season baseline MH. This study’s objective was to compare MH symptom frequency and profiles of symptomatology between cohorts of athletes captured pre and post COVID-19. Method Pre-season baseline data from varsity athletes at a Canadian university was collected in 2019, 2022, and 2023 (n = 444) aged 17–25 years (49.8% female). Athletes completed a series of demographic, concussion history, and psychological questionnaires [i.e., Post-Concussion Symptom Scale (PCSS), Generalized Anxiety Disorder Index-7 (GAD-7), and Patient Health Questionnaire-9 (PHQ-9)]. Results The post-pandemic cohort reported greater numbers of symptoms on the PCSS (M = 4.36, SD = 5.41) compared to the pre-pandemic cohort (M = 2.55, SD = 3.74; p = <0.001); as well as greater symptom severity (M = 7.75 SD = 11.45) compared to the pre-pandemic cohort (M = 4.34, SD = 7.9; p = <0.001). Greatest endorsement differences were observed in anxiety, depression, cognitive, nausea, and “don‚Äôt feel right”symptoms (ps < 0.001). However, frequency of mild to severe symptom reporting was similar on the PHQ-9 (pre-pandemic: 23.6%, post-pandemic: 20.3%) and GAD-7 (pre-pandemic: 20.9%, post-pandemic: 21.6%; ps >0.05). Conclusions Post-pandemic athletes appear to endorse greater baseline symptoms of anxiety and depression, as well as cognitive and physical symptoms, though these do not appear to meet clinical levels. The study demonstrates a need to improve surveillance in varsity athletes’MH that may help identify athletes at risk of MH illness.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».