The Effects of Self Isolation on Depression, Anxiety, and Stress Levels
Notice bibliographique
Résumé
Self isolation occurs when a person is in their home or any space that is secluded for a long period of time with barely any human interaction. A study in Canada showed people were experiencing quadruple the normal levels for anxiety and double the levels of depression during the required self isolation (Dozios, 2020) brought on by the COVID-19 pandemic. The goal of this research is to determine how much self isolation affects anxiety, depression, and stress levels. The study included 30 students and community participants from Northern California. Participants were asked to complete a survey based on their emotional status during the mandatory COVID-19 self isolation. The survey is scaled like the Likert scale based on a 5 point rating 1= extremely low to 5= extremely high (McLeod, 2020). This scale is designed to allow the participants to show how much they disagree or agree with the statement. Also, the participants are asked two demographic questions at the end of the survey which are their age and gender which is optional. Social isolation in this study will be measured through a UCLA Loneliness scale (Russel, 1980). Finally, the way of measuring anxiety, depression, and stress will be found through the Depression Anxiety Stress Scales (Lovibond, 2012). The study is expected to show the negative effects that mandatory self isolation has on mental health. This research supports previous studies that show self isolation has a direct correlation with an increase in stress, anxiety, and depression levels (Taylor, 2020), and brings awareness to the issues of mental health and need for additional support to help people through this difficult time.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».