The non-linear association of physical fatigue with depression and anxiety among mental health professionals who recovered from COVID-19 infection: a national survey in China
Notice bibliographique
Résumé
Background: The COVID-19 pandemic took a toll on everyone's health and mental health professionals were no exception. This study examined the trajectory of the relationship between levels of physical fatigue and each of depression and anxiety in mental health professionals (MHPs) recovering from COVID-19. Methods: A national survey of 9,858 MHPs who had recovered from COVID-19 was conducted between January and February 2023. The nine-item Patient Health Questionnaire (PHQ-9), the 7-item Generalized Anxiety Disorder (GAD-7) scale, and a numerical rating scale were used to measure depression, anxiety and physical fatigue, respectively. Logistic regression with restricted cubic spline (RCS) models were created to examine the association of physical fatigue with depression and anxiety. Results: The prevalence of depression and anxiety in MHPs who recovered from COVID-19 infection were 47.0% (95%CI: 46.0-48.0%) and 28.9% (95%CI: 28.0-29.8%) respectively. The prevalence of moderate to severe physical fatigue was 44.2% (95%CI: 43.2-45.2%). The RCS models revealed a significant nonlinear relationship between physical fatigue and both depression and anxiety, with an inflection point at a fatigue score of 4. Above this threshold, the risk of both conditions increased significantly. Participants with poor perceived health and lower socioeconomic status had a significantly greater increase in depression and anxiety when fatigue levels were higher. Conclusions: Moderate to severe physical fatigue was associated with depression and anxiety in MHPs recovering from COVID-19. Interventions aimed at alleviating fatigue may play a critical role in improving mental health outcomes in this vulnerable population.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».