Asociación de la diseminación del COVID-19 con síntomas de ansiedad y depresión en estudiantes universitarios
Bibliographic record
Abstract
Antecedentes: A medida que las comunidades se preparan para oleadas futuras de la pandemia del COVID-19 se necesitan pruebas sobre su impacto en la salud mental de sub-poblaciones específicas, como es el caso de los estudiantes universitarios. Objetivos: Estudiar la asociación de la proximidad del COVID-19 con síntomas de ansiedad y depresión en estudiantes universitarios. Métodos: Este estudio de tendencias analizó encuestas transversales semanales de muestras probabilísticas de estudiantes de la Universidad de Columbia Británica durante 13 semanas durante la primera ola del COVID-19. La principal variable evaluada fue la proximidad del COVID-19, definida como “conocer a alguien con un test positivo para COVID-19”, que se especificó en diferentes niveles: “conocer a alguien en cualquier lugar del mundo, en Canadá, en Vancouver, en su curso universitario, o en su domicilio”. La proximidad del COVID-19 se incluyó en regresiones lineales multivariables para evaluar su asociación con los resultados primarios, incluidos los síntomas de ansiedad y/o depresión durante los últimos 30 días. Resultados: De 1388 encuestados (tasa de respuesta ajustada =50%), el 5,6% conocía a alguien con COVID-19 en Vancouver, el 0,8% en su curso universitario y el 0,3% en su domicilio. El 10% de los encuestados se sintió abrumado y no pudo acceder a asistencia. “Conocer a alguien en Vancouver”, se asoció con un aumento de 11 puntos porcentuales en la probabilidad de presentar síntomas de ansiedad durante los últimos 30 días (EE =0,05; p≤0,05), moderado por género, con una interacción significativa de la exposición, y ser mujer (coeficiente = - 20 (EE =0,09), p≤0,05). No se encontró asociación con síntomas depresivos. Conclusión: La proximidad de los casos de COVID-19 puede aumentar la probabilidad de síntomas de ansiedad en los estudiantes, particularmente entre los hombres. La mayoría de los estudiantes informa que se las arregla bien, pero se necesitan apoyos adicionales para una minoría emocionalmente abrumada que informa que no puede acceder a asistencia.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.014 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".