Mental health among healthcare workers during COVID-19: a study to oversee the impact of the risk perception and relationship with inflammation from blood-based extracellular vesicles
Notice bibliographique
Résumé
Introduction: Preventive measures have been implemented in hospitals during COVID-19, but how these guidelines affected mental health among healthcare workers (HCWs) remains to be determined. On another note, reliable psychological and blood-based markers are needed to promptly identify HCWs at-risk to develop distress. Extracellular vesicles (EVs) originating from brain cross the blood-brain barrier and are detectable in blood, giving them a highly valuable potential for biomarker discovery. In HCWs with or without psychological distress, we investigated how perceived stress during COVID-19 impacted mental health. We then longitudinally evaluated the inflammatory cargo from neuron-, astrocyte-, and microglial-derived EVs that may be associated with psychological distress. Methods: = 15) completed questionnaires for perception of risk, COVID-19-specific posttraumatic symptomatology, psychological distress and burnout, as well as sleep quality. Blood was collected at each visit to characterizing inflammation from brain-derived EVs. Multiple regressions were conducted for all psychological/biological parameters based on the HCWs' final score for psychological distress. Results: Onset of psychological distress was associated early hyperarousal. Moreover, severe distress was associated with increased astrocyte-specific levels of anti-inflammatory interleukin-10 and pro-inflammatory interferon-ɣ. Discussion: Our findings-that need to be replicated in larger studies-suggest that early hyperarousal may be predictive of later onset of psychological distress in HCWs. They also unravel a novel area of biomarker discovery study in psychiatry as inflammation from brain-derived EVs could help targeting "at-risk" individuals.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».