The Public Health Impact and Policy Implications of Online Support Group Use for Mental Health in Singapore: Cross-Sectional Survey
Notice bibliographique
Résumé
BACKGROUND: The wide mental health treatment gap continues to pose a global and local public health challenge. Online support groups are on the rise and could be used to complement formal treatment services for mental health. OBJECTIVE: This study aimed to examine the prevalence of online support group use and explore factors associated with the use in the general population using data from a national cross-sectional mental health survey in Singapore. METHODS: Singapore residents aged 18 years and above participated in a nationally representative household survey in which the World Health Organization Composite International Diagnostic Interview 3.0 was administered by trained interviewers to examine the use of online support groups for mental health. Multiple logistic regressions were used to analyze the association of online support group use with various sociodemographic and health factors. RESULTS: A total of 6110 respondents with complete data were included in this study. Overall, 10 individuals per 1000 adults (1%) reported seeking help from online support groups for their mental health problems. Compared to younger adults (those aged 18 to 34 years) and those with university education, individuals aged 50 to 64 years (P<.001; OR 0.1, 95% CI 0.0-0.3) and those with preuniversity qualifications (P=.02; OR 0.1, 95% CI 0.0-0.8) were less likely to use online support groups for mental health, respectively. Participants with a Diagnostic and Statistical Manual of Mental Disorders, Fourth Edition (DSM-IV) mental disorder were 6.8 times more likely (P<.001; 95% CI 3.0-15.4) to use an online support group; in particular, individuals with major depressive disorder (P<.001; OR 5.4, 95% CI 2.1-13.8) and obsessive compulsive disorder (P=.01; OR 3.5, 95% CI 1.3-9.7) were more likely to use an online support group for their mental health. CONCLUSIONS: Online support groups could be used to complement formal treatment services, especially for mood and anxiety-related disorders. As online support group use for mental health issues may be more prevalent among younger people, early detection and accurate information in online support groups may guide individuals toward seeking professional help for their mental health problems.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».