A Multi-site, longitudinal investigation of emerging adult mental health across multiple stages of the COVID-19 pandemic
Notice bibliographique
Résumé
How did the COVID-19 pandemic impact mental health across different (a) pandemic stages, (b) mental-health aspects, (c) people, and (d) life circumstances? Answering these questions will identify ongoing mental health needs and could inform mitigation strategies for future large-scale stressors. However, answers to these questions remain elusive because studies have often focused on a single, early stage of the pandemic (without appropriate pre-pandemic baselines) or single facets of mental health. This preregistered, multisite study addressed these gaps by examining clinical symptoms (depressive and anxiety) and well-being (life satisfaction) among emerging adults in college (primarily first-year students) from shortly before the pandemic (Fall 2019) through initial (Spring 2020) (N = 760) and later (Fall 2020) stages (n = 194), and the role of sociodemographic factors and life circumstances. Though depressive symptoms were stable overall, they increased among White, but not Asian, participants. Anxiety symptoms initially decreased but later returned to pre-pandemic levels. Life satisfaction was initially stable but later decreased, particularly for participants negatively impacted by the pandemic. Socioeconomic status, gender, and COVID-19 virus risk did not predict mental-health impacts. Thus, at least in our sample, resilience was common, but mental-health impacts varied across pandemic stages, mental-health aspects, some sociodemographic factors, and life circumstances.
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 | 0,002 | 0,004 |
| 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 | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».