Impact de la pandémie Covid-19 sur la perception du bien-être de la population Canadienne : une collecte de données momentanées géographiquement explicites en deux temps
Notice bibliographique
Résumé
Contexte Pendant la pandémie, les Canadiens ont vécu des perturbations importantes dans leur quotidien, incluant des changements de routines et des interactions sociales réduites en raison des confinements et des mesures de distanciation sociale. Cela a entraîné un isolement social généralisé et a eu un impact négatif sur le bien-être. Objectif Cette étude visait à évaluer les différences de bien-être momentané perçues chez les Canadiens pendant et après la pandémie, en se concentrant sur l’impact des facteurs individuels et environnementaux, et en identifiant les changements dans leurs effets au fil du temps. Méthodes Nous avons analysé les données de l’étude COHESION, une cohorte pan-canadienne de 443 participants, recueillies pendant et après la pandémie de COVID-19. Les participants ont autodéclaré quotidiennement leur humeur via la méthode de collecte de données momentanées géographiquement explicites (GEMA) sur leur smartphone. Les variations de bien-être ont été évaluées à l’aide de modèles linéaires mixtes. Résultats Nous avons reçu 7 731 observations valides pour notre analyse. La moyenne du score de bien-être était de 25,4 ± SD 7,1 et de 26,3 ± SD 6,3 (échelle : 6-36) respectivement pour chaque phase. Les scores de bien-être étaient plus stables et consistants entre les participants après la pandémie (CCI = 0,58). Pendant la pandémie, le bien-être était plus sensible aux expositions environnementales et temporelles immédiates (CCI = 0,43). Conclusions L’utilisation du GEMA montre que les facteurs individuels et environnementaux ont influencé le bien- être des Canadiens pendant et après la pandémie. Des facteurs clés tels que le genre, l’âge, les espaces verts et la température ont montré des impacts variables à travers l’étude. La stabilité des scores de bien- être après la pandémie suggère un changement vers des niveaux de bien-être plus consistants entre les individus.
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 | 0,006 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».