COVID-19-Related Posttraumatic Stress in U.S. and Canadian Youth in the First Year of the Pandemic
Notice bibliographique
Résumé
Objective Disasters and public health emergencies raise child/adolescent risk for posttraumatic stress (PTS). This study examined prospective predictors of COVID-related PTS in a large sample of U.S. and Canadian youth. Demographics, pre-pandemic contextual factors, baseline clinical factors, and pandemic experiences were examined. We hypothesized pandemic proximity/exposure and pandemic-related financial hardship in the first seven months, as well as baseline resource insecurity, internalizing symptoms, and female gender, would predict subsequent COVID-related PTS.Method A prospective two-wave study of English- or Spanish-speaking youth ages 5–17 years (N = 1,413; 46.2% female; 33.4% racial/ethnic minority youth), and their caregivers, was conducted. The sample was recruited via crowdsourcing methods (e.g. existing community samples, advertisements, online recruitment). Data were collected via online caregiver-report surveys. Recruitment began 3/20/2020 (<10 days after pandemic declaration); follow-up assessments were collected M = 6.56 months later (7 months into pandemic).Results Maximum likelihood estimation linear regression indicated baseline internalizing problems, pre-pandemic food insecurity, and COVID-19-related financial hardship predicted youth PTS at follow-up, whereas COVID-19 proximity/exposure and youth gender, age, and race/ethnicity did not. Youth with baseline internalizing problems had eight times the odds of developing probable PTSD than youth without baseline internalizing problems. The effect of COVID-19-related financial hardship on PTS was particularly high among youth who went into the pandemic with food insecurity.Conclusion The financial toll the pandemic took on a child’s family and whether there were pre-pandemic mental health or resource-related vulnerabilities may have been more determinant of individual youth PTS than the child’s degree of direct COVID-19 proximity or family exposure.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».