Prevalence of childhood mental disorders in high-income countries: a systematic review and meta-analysis to inform policymaking
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
QUESTION: Mental disorders typically start in childhood and persist, causing high individual and collective burdens. To inform policymaking to address children's mental health in high-income countries we aimed to identify updated data on disorder prevalence. METHODS: We identified epidemiological studies reporting mental disorder prevalence in representative samples of children aged 18 years or younger-including a range of disorders and ages and assessing impairment (searching January 1990 through February 2021). We extracted associated service-use data where studies assessed this. We conducted meta-analyses using a random effects logistic model (using R metafor package). FINDINGS: =99.1%). Significant heterogeneity pertained to diagnostic measurement and study location. Anxiety (5.2%), attention-deficit/hyperactivity (3.7%), oppositional defiant (3.3%), substance use (2.3%), conduct (1.3%) and depressive (1.3%) disorders were the most common. Among children with mental disorders, only 44.2% (95% CI 37.6% to 50.9%) received any services for these conditions. CONCLUSIONS: An estimated one in eight children have mental disorders at any given time, causing symptoms and impairment, therefore requiring treatment. Yet even in high-income countries, most children with mental disorders are not receiving services for these conditions. We discuss the implications, particularly the need to substantially increase public investments in effective interventions. We also discuss the policy urgency, given the emerging increases in childhood mental health problems since the onset of the COVID-19 pandemic (PROSPERO CRD42020157262).
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle