Experiences of mental health and poverty in high-income countries during COVID-19: A systematic review and meta-aggregation
Notice bibliographique
Résumé
Systematic reviews have been published that explore the experiences of living in poverty, yet there are no known studies that have synthesized the findings of research exploring the experiences of mental health and wellbeing of persons living in poverty during COVID-19. To address this gap, we conducted a systematic review and meta-aggregation of qualitative evidence using the method described by the Joanna Briggs Institute (JBI) following the PRISMA guidelines. Of 8391 titles and abstracts screened, we included 23 studies in our review and meta-aggregation. In conducting our meta-aggregation, we generated three synthesized findings: 1) magnification of inequities and marginalization during COVID-19; 2) difficulty accessing resources during the lockdown; and 3) the lockdown causing changes in mental health and wellbeing. The findings of this review suggest that persons living in poverty experienced increased difficulties with mental health and well-being during COVID-19. This was largely influenced by the presence of pandemic restrictions and increasing financial precarity that resulted in rising levels of psychosocial distress. Research regarding the plight of persons living in low income is needed to inform policy and practice for future pandemics in order to decrease the vulnerability of this population. Implementing evidence-informed policies and practices that mitigate the negative psychological effects of physical distancing restrictions on persons living in poverty are needed, and these can be identified through future research efforts.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».