A Review of the Impact of the COVID-19 Pandemic on Lifestyle Behaviors
Notice bibliographique
Résumé
Introduction/Objective: Although the COVID-19 pandemic primarily affected human health and medicine, it has also had positive and negative impacts on various aspects of life. Hence, this review aimed to explore the impact of the COVID-19 epidemic on lifestyle behaviors. Methods: The current review was conducted in 2023. PubMed, Scopus, and Google Scholar databases were searched using standard keywords. Related articles were included in the study after qualitative review and inclusion and exclusion criteria were applied, and data were extracted. Results: In the current review, 32 articles were included. Most reviewed studies referred to decreased physical activity (78.12%), unhealthy dietary habits (65.62%), and sleep disturbance (56.25), as the most affected lifestyle behaviors following the COVID-19 situation. Among the age groups, the 18- 89-year-old group reported more smoking and alcohol consumption than the other groups, and the 1- 21-year-old group reported the least smoking and alcohol consumption. Also, the age groups of 1 to 21 years and 18 to 69 years reported psychological problems, such as depression, anxiety, and stress, compared to other age groups. There has been a relationship between overweight and reduced physical activity, increased consumption of fast food and sweets, and also between decreased income and increased mental problems, increased consumption of cigarettes and alcoholic beverages, and decreased consumption of fruits and vegetables. Conclusion: The outbreak of the COVID-19 pandemic has had a significant impact on people's lifestyles, which can negatively affect overall health and well-being. The combination of reduced physical activity, unhealthy eating habits, and poor sleep has become a common consequence of the pandemic. By recognizing the potential negative impacts of reduced physical activity, unhealthy eating habits, and poor sleep, individuals can take steps to mitigate these effects.
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 | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,010 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».