The Impact of the COVID-19 Pandemic on the Mental Health of Young Adults with ACEs
Notice bibliographique
Résumé
The impact of Adverse Childhood Experiences (ACEs) on mental health is well-established. Additionally, the measures taken by the government in response to the COVID-19 pandemic, such as school and workplace closures, physical distancing, isolation, and quarantining, also seem to have a negative influence on mental health. However, the specific combined effects of ACEs and COVID-19-related stressors on mental health outcomes like depression, anxiety, hostility, and perceived stress were not clearly understood. Given that young adults may be more significantly affected by the government's responses to the pandemic than other adult age groups, they could be particularly vulnerable to the adverse effects of COVID-19. Therefore, the two aims of this thesis were to determine if young adults with high COVID-19 stress had higher levels of mental health problems and whether those with higher exposure to ACEs were more susceptible to the negative consequences of COVID-19-related stressors on their mental health. To carry out this research, survey data were collected from the Niagara Longitudinal Heart Study (NLHS), which is a longitudinal study that had pre-COVID-19 data, as well as data from three phases of the COVID-19 pandemic collected using a series of follow-up NLHS-COVID-19 sub-study surveys. The study included 138 (171 included in longitudinal, mixed-model regression analysis) as the final sample of participants, with 41.5% males and 58.5% females. Among them, 21% had been exposed to four or more ACEs, while 17.4% had no exposure to ACEs. The findings revealed that the higher exposure to COVID-19-related stressors resulted in increased levels of hostility and anxiety among Canadian young adults. Notably, young adults with higher ACEs were particularly susceptible to the detrimental effects of these stressors on their mental health across different phases of the pandemic. This highlights the need for targeted intervention programs and mental health resources to support this vulnerable subgroup during times of crisis, like the COVID-19 pandemic.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 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 | 0,000 | 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 ».