Factors that contributed to Ontario adults’ mental health during the first 16 months of the COVID-19 pandemic: a decision tree analysisNo Title
Notice bibliographique
Résumé
The COVID-19 pandemic has negatively impacted the mental health of individuals globally. However, less is known about the characteristics that contributed to some people having mental health problems during the pandemic, while others did not. Mental health problems can be understood on a continuum, ranging from acute (e.g., depression following a stressful event) to severe (e.g., chronic conditions that disrupt everyday functioning). Therefore, the purpose of this article was to generate profiles of adults who were more or less at risk for the development of mental health problems, in general, during the first 16-months of the COVID-19 pandemic in Ontario, Canada. Data were collected via online surveys at two time points: April-July 2020 and July-August 2021; 2,188 adults (Mage = 43.15 years; SD = 8.82) participated. Surveys included a demographic questionnaire and four previously validated tools to measure participants’ mental health, subjective wellbeing, physical activity and sedentary behaviour, and sleep. A decision tree was generated at each time point for those with mental health problems, and those with no mental health problems. Results showed that subjective wellbeing was the biggest contributor to mental health status. Characteristics associated with no mental health problems among adults included having good wellbeing, being a good sleeper (quantity, quality, and patterns of sleep), and being over the age of 42. Characteristics associated with mental health problems included having poor wellbeing and being a poor sleeper. Findings revealed that specific characteristics interacted to contribute to adults’ mental health status during the first 16 months of the COVID-19 pandemic. Given that wellbeing was the biggest contributor to mental health, researchers should focus on targeting adults’ wellbeing to improve their mental health during future 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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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) | 0,003 | 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 ».