A SAÚDE MENTAL DO PÓS-GRADUANDO BRASILEIRO NA PANDEMIA DE COVID-19: UMA ANÁLISE DE FATORES ASSOCIADOS À DEPRESSÃO, ANSIEDADE E O ESTRESSE
Bibliographic record
Abstract
apoio da Coordenação de Aperfeiçoamento de Pessoal de Nível Superior -Brasil (CAPES) -Código de Financiamento 001 -IMPACTOS1986301P. INTRODUÇÃOA pandemia de Covid-19 tem sido responsável por significativos impactos sociais, econômicos, políticos e em saúde ao redor do mundo (FARO et al., 2020).Na educação, a pandemia alterou o cotidiano de estudantes inseridos nos mais variados contextos de ensino, com destaque para os pósgraduandos que vivenciam diversos desafios no trabalho em que estão inseridos, especialmente no que se refere às questões pessoais e profissionais.As grandes exigências junto a esse público causam consequências em saúde, com maior disposição para o adoecimento mental, incluindo a depressão, ansiedade e risco de suicídio (GARCIA DA COSTA, NEBEL, 2018).Estudos prévios e realizados durante a pandemia têm analisado aspectos sobre o estresse, a ansiedade e a depressão, de modo a considerar que esses fatores podem apresentar relação entre si e estar presentes nas vivências de universitários (ACHARYA, JIN, COLLINS, 2018).Nesse sentido, a compreensão de questões sociodemográficas dos pós-graduandos, bem como de fatores associados pode favorecer o entendimento de características sobre a saúde mental nesse público.Diante de tal cenário, faz-se necessário conhecer o real perfil de saúde mental dos pósgraduandos brasileiros na vivência da pandemia, de modo a identificar questões relacionadas a sintomas de depressão, ansiedade e estresse e sua relação com características presentes na vida do público analisado, a fim de fornecer novos conhecimentos e subsídios para o cuidado em saúde
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 | 0.002 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
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".