Risk and protective factors associated with change in well-being and mental health during the COVID-19 pandemic in South Africa
Notice bibliographique
Résumé
OBJECTIVE: The COVID-19 pandemic and associated restrictive measures affected the mental health and well-being of individuals globally. We assessed non-modifiable and modifiable factors associated with the change in well-being and mental health from before to during the COVID-19 pandemic in South Africa. METHODS: -tests were conducted to assess change in well-being (measured on The World Health Organization-Five Well-Being Index (WHO-5)) and mental health (a validated composite psychopathology p-score). Sociodemographic, environmental, clinical, and behavioural factors associated with change in outcomes were examined. RESULTS: < 0.001) from before to during the pandemic. Having a prior mental health condition was associated with a worsening well-being score, while being female was associated with a worsening p-score. Being of Black African descent was associated with improved p-score and higher socio-economic status (SES) was associated with improved well-being. Factors associated with worsening of both well-being and the p-score included adulthood adversity, financial loss since COVID-19, and placing greater importance on direct contact/interactions and substance use as coping strategies. Higher education level and endorsing studying/learning something new as a very important coping strategy were associated with improved well-being and p-score. CONCLUSION: Findings inform the need for targeted interventions to reduce and prevent adverse well-being and mental health outcomes during a pandemic, especially among vulnerable groups.
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 | 0,001 |
| 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 ».