MétaCan
Menu
← Retour à la cohorte
Enregistrement W6957982528 · doi:10.60692/8pa85-7zq11

Global impacts of COVID-19 on lifestyles and health and preparation preferences: An international survey of 30 countries

2023· article· en· W6957982528 sur OpenAlexaff

Notice bibliographique

RevueGreater South Information System · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensUniversity of LethbridgeUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésPandemicConsumption (sociology)Duration (music)Coronavirus disease 2019 (COVID-19)Alcohol consumptionScale (ratio)Public healthPreference

Résumé

récupéré en direct d'OpenAlex

The health area being greatest impacted by coronavirus disease 2019 (COVID-19) and residents' perspective to better prepare for future pandemic remain unknown. We aimed to assess and make cross-country and cross-region comparisons of the global impacts of COVID-19 and preparation preferences of pandemic.We recruited adults in 30 countries covering all World Health Organization (WHO) regions from July 2020 to August 2021. 5 Likert-point scales were used to measure their perceived change in 32 aspects due to COVID-19 (-2 = substantially reduced to 2 = substantially increased) and perceived importance of 13 preparations (1 = not important to 5 = extremely important). Samples were stratified by age and gender in the corresponding countries. Multidimensional preference analysis displays disparities between 30 countries, WHO regions, economic development levels, and COVID-19 severity levels.16 512 adults participated, with 10 351 females. Among 32 aspects of impact, the most affected were having a meal at home (mean (m) = 0.84, standard error (SE) = 0.01), cooking at home (m = 0.78, SE = 0.01), social activities (m = -0.68, SE = 0.01), duration of screen time (m = 0.67, SE = 0.01), and duration of sitting (m = 0.59, SE = 0.01). Alcohol (m = -0.36, SE = 0.01) and tobacco (m = -0.38, SE = 0.01) consumption declined moderately. Among 13 preparations, respondents rated medicine delivery (m = 3.50, SE = 0.01), getting prescribed medicine in a hospital visit / follow-up in a community pharmacy (m = 3.37, SE = 0.01), and online shopping (m = 3.33, SE = 0.02) as the most important. The multidimensional preference analysis showed the European Region, Region of the Americas, Western Pacific Region and countries with a high-income level or medium to high COVID-19 severity were more adversely impacted on sitting and screen time duration and social activities, whereas other regions and countries experienced more cooking and eating at home. Countries with a high-income level or medium to high COVID-19 severity reported higher perceived mental burden and emotional distress. Except for low- and lower-middle-income countries, medicine delivery was always prioritised.Global increasing sitting and screen time and limiting social activities deserve as much attention as mental health. Besides, the pandemic has ushered in a notable enhancement in lifestyle of home cooking and eating, while simultaneously reducing the consumption of tobacco and alcohol. A health care system and technological infrastructure that facilitate medicine delivery, medicine prescription, and online shopping are priorities for coping with future pandemics.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,185
Tête enseignante GPT0,426
Écart entre enseignants0,241 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGreater South Information System→Même sujetCOVID-19 and Mental Health→Travaux en français237 207→