The Impact of COVID-19 Pandemic Stress on Mental Health among Young Adults Exposed to Adverse Childhood Experiences
Notice bibliographique
Résumé
Exposure to Adverse Childhood Experiences (ACEs) has been shown to significantly impact mental health. The governmental responses to the COVID-19 pandemic, such as school and workplace closures, physical distancing measures, mandatory isolation, and quarantining, may also negatively influence mental health. However, it was unclear how ACEs and COVID-19-related stressors would impact mental health outcomes (depression, anxiety, hostility, perceived stress, and overall emotional and general health). Moreover, as young adults are likely affected to a greater extent by governmental responses than different adult cohorts, they may be in a particularly vulnerable life stage to the adverse effects of COVID-19. Therefore, this thesis aims to assess whether COVID-19-related stressors negatively impact mental health independently of exposure to ACEs among young adults and to assess whether young adults with greater exposure to ACEs were more vulnerable to the negative effects of COVID-19-related stressors on their mental health. The data used come from the Niagara Longitudinal Heart Study (NLHS), a prospective, longitudinal study that has pre-COVID-19 data (from the NLHS study) and during COVID-19 data (from a follow-up NLHS-COVID-19 sub-study survey). There were 171 participants in the study (43.7% males and 57.3% females), with 22.2% of them being exposed to 4 or more ACEs and 16.4% with no exposure to ACEs. It was found that, while exposure to COVID-19-related stressors leads to a greater reduction in mental health among young adults independent of different levels of exposure to ACEs, young adults with higher levels of ACEs were more vulnerable to the negative effects of COVID-19-related stressors on mental health. This suggests that this subgroup may benefit from intervention programs and resources directed at mental health in times of crisis, such as 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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».