Child Well‐Being and Family Quality of Life During the COVID‐19 Pandemic
Notice bibliographique
Résumé
BACKGROUND: Little is known about changes in child well-being and family quality of life (QoL) among children seeking emergency department care because of mental health concerns over the course of the pandemic. METHODS: Prospective cohort study of children < 18 who visited two paediatric EDs in Alberta, Canada, for an acute mental health concern. Early and late pandemic time periods were defined as 15 March 2020-14 March 2021 and 1 July 2021-30 June 2022, respectively. The Stirling Children's Well-being and Warwick-Edinburgh Mental Well-being scales quantified well-being; the Family Quality of Life Scale assessed family QoL. These scales were completed as soon as possible following the ED visit. Linear regression models assessed the association between pandemic period and the change in well-being and family QoL. RESULTS: One thousand four hundred four children were enrolled during the study time periods (50.4% early, 49.6% late). Seventy-two percent (1009/1404) of participants were White, 53.8% (744/1404) were female, and the median age was 13 (IQR, 11-15) years. Well-being remained unchanged between time periods, whereas family QoL was lower in the late pandemic time period than in the early period (mean difference: -2.16, 95% CI: -3.79, -0.53; p = 0.01). Among children < 13 years, previous mental health care and requiring inpatient admission were negatively associated with well-being. Having an autism diagnosis and a comprehensive ED mental health evaluation were negatively associated with well-being in older children. CONCLUSIONS: Reduced family QoL may signal stressors experienced by caregivers and the lingering consequences of the pandemic. Resources that address well-being and support the family unit are needed to improve the mental health of children.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».