On the Association of Community Belonging With Over Time Changes in Self‐Rated Health and Mental Health Since the COVID‐19 Pandemic
Notice bibliographique
Résumé
This study evaluates how community belonging influences over time changes in self-rated health (SRH) and self-rated mental health (SRMH) after the COVID-19 pandemic using a large Canadian population survey (N = 9013, response rate 25%). The study uses descriptive analysis and a set of ordered logistic regressions. The results suggest that 1 year after the height of the pandemic, most of the respondents consider their SRH and SRMH as excellent, good, or fair, with 89.1% for SRH and 85.7% for SRMH. By contrast, only 10.8% and 14.3% of respondents reported poor and very poor SRH and SRMH. Furthermore, about 25%-29% of respondents reported that their SRH and SRMH became better over time, and only 11%-12% reported worsening SRH and SRMH, while the rest reported no changes. Regression results suggest that higher levels of community belonging are associated with higher SRH and SRHM. For instance, reporting strong community belonging is associated with higher SRH (OR = 4.734, 95% CI [4.004, 5.598]) and SRMH (OR = 5.778, 95% CI [4.879, 6.842]). Moreover, they suggest that a higher level of community belonging is associated with perceived improvement over time in SRH and SRMH. For example, reporting strong community belonging is associated with more improvement over time in SRH (OR = 2.105, 95% CI [1.757, 2.523]) and SRHM (OR = 1.927, 95% CI [1.607, 2.312]). The study concluded by discussing theoretical, policy, and methodological implications of these findings.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».