Inequality on the frontline: A multi-country study on gender differences in mental health among healthcare workers during the COVID-19 pandemic
Notice bibliographique
Résumé
Abstract Purpose Healthcare workers (HCWs) were at increased risk for mental health problems during the COVID-19 pandemic, with data from previous crises suggesting women may be particularly vulnerable. The objective of the study was to examine individual and social factors that may be associated with gender differences in psychological distress and depressive symptoms among HCWs during the initial COVID-19 pandemic outbreak and to examine the consistency of these differences across a diverse range of countries. Methods Data were collected in a cross-sectional design between March 2020 and February 2021 as part of the COVID-19 HEalth caRe wOrkErS (HEROES) study. 32,410 HCWs recruited across 22 countries completed the General Health Questionnaire-12 (GHQ-12), the Patient Health Questionnaire-9 (PHQ-9), and questions about pandemic-relevant exposures. Results Consistently across countries, women reported elevated mental health problems compared to men. Women also reported increased COVID-19-relevant stressors, including less access to sufficient personal protective equipment and less support from colleagues than men; however, men reported increased contact with COVID-19 patients. At the country-level, HCWs working in countries with higher gender inequality reported lower levels of mental health problems. Higher COVID-19 mortality rates were associated with increased psychological distress among women but not among men. Conclusion Our findings suggest that among HCWs, women may have been disproportionately exposed to several COVID-19-relevant stressors at the individual and country-level. This highlights the importance of considering gender in emergency response efforts to protect women's well-being and ensure adequate healthcare system preparedness during future public health crises.
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 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».