Mental Health Problems and Internet Access: Results From an Australian National Household Survey
Notice bibliographique
Résumé
BACKGROUND: Mental health support and interventions are increasingly delivered on the web, and stepped care systems of mental health services are embracing the notion of a digital gateway through which individuals can have access to information, assessment, and services and can be connected with more intensive services if needed. Although concerns have been raised over whether people with mental health problems are disadvantaged in terms of their access to the internet, there is a lack of representative data on this topic. OBJECTIVE: This study aimed to examine the relationship between mental health and internet access, particularly lack of access because of affordability issues. METHODS: Data from wave 14 of the Household, Income, and Labour Dynamics in Australia survey were used (n=15,596) in the analyses. Sample weights available in the survey were used to calculate the proportion of those with or without internet access for those with and without mental health problems and more severe long-term mental health conditions. These proportions were also calculated for those with and without internet access due, specifically, to affordability issues. Multinomial logistic regression analyses assessed the relationship between mental health status and internet access/affordability issues, adjusting for a range of covariates. RESULTS: Access to the internet was poorer for those with mental health problems (87.8%) than those without mental health problems (92.2%), and the difference was greater when a measure of more severe mental health conditions was used (81.3% vs 92.2%). The regression models showed that even after adjusting for a broad range of covariates, people with mental ill health were significantly more likely to have no internet access because of unaffordability than those without mental ill health (mental health problems: relative risk ratio [RRR] 1.68; 95% CI 1.11-2.53 and severe mental health conditions: RRR 1.92; 95% CI 1.16-3.19). CONCLUSIONS: As Australia and other nations increasingly deliver mental health services on the web, issues of equity and affordability need to be considered to ensure that those who most need support and assistance are not further disadvantaged.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».