Cross-sectional trend analysis of the NCHA II survey data on Canadian post-secondary student mental health and wellbeing from 2013 to 2019
Notice bibliographique
Résumé
BACKGROUND: Canadian post-secondary students are considered to be at risk for chronic stress and languishing mental health, but there has been no longitudinal analysis of the available population-level data. The purpose of this study was to examine trends in the overall and sex-specific prevalence of self-reported stress, distress, mental illness, and help seeking behaviours among Canadian post-secondary students over the past several years. METHODS: Using the 2013, 2016, and 2019 iterations of the National College Health Assessment II Canadian Reference data, we conducted a trend analysis for each variable of interest, stratified by sex. The significance and magnitude of the changes were modelled using cumulative linked ordinal regression models and log binomial regression models. RESULTS: With few exceptions, we observed significant increases over time in the proportion of students reporting symptoms of psychological distress, mental illness diagnoses, and help seeking for mental health related challenges. Female students reported a higher level of stress than male students, with a statistically significant increase in the stress level reported by female students observed over time. In all cases, larger proportions of female students were observed compared to male students, with the proportion of female students who self-reported mental illness diagnoses nearly doubling that of males. CONCLUSIONS: Our analysis indicated that the proportion of students self-reporting mental health related challenges, including stress, psychological distress, and diagnosed mental illnesses increased between the 2013, 2016 and 2019 iterations of the NCHA II conducted among Canadian post-secondary students.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 tête enseignante, 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 ».