COVID-19 social and economic disruptions, mental health, and coping behaviours among young Canadians: a structural equation model
Notice bibliographique
Résumé
The COVID-19 pandemic increased the prevalence of mental health disorders among youths. This study explored the association between COVID-19’s social and economic disruptions, mental health disorders, and coping behaviours among youths using Statistics Canada’s COVID-19 and Mental Health data. The study included 895 participants aged 18–24 years (52.9% women). Social and economic disruptions, healthy and unhealthy coping behaviours, and mental health severity (MHS) latent variables were delineated through exploratory factor analysis. Structural equation modelling revealed that social disruptions significantly increased the MHS (β = 0.77, p < 0.001), as well as healthy (β = 0.25, p < 0.001) and unhealthy (β = 0.54, p < 0.001) coping behaviours. Similarly, economic disruption was associated with an increase in healthy coping behaviours (β = 0.14, p = 0.043). Healthy coping behaviours (β=-0.08, p = 0.047) and positive coping skills (mastery) (β = -0.26, p < 0.001) were associated with a reduction in MHS. Positive coping behaviours mediated the social impact of COVID-19 on youth MHS; negative behaviours (substance use) had no significant mediation effect.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».