Symptoms of major depressive disorder during the COVID-19 pandemic: results from a representative sample of the Canadian population
Notice bibliographique
Résumé
INTRODUCTION: Since the outbreak of COVID-19, numerous studies from around the world have reported declines in mental health. However, most of these studies were of low-to-moderate quality and many were based on convenience samples or used mental health measures with low validity, or both. Consequently, it has been difficult to draw conclusions. METHODS: Both the 2020 Survey on COVID-19 and Mental Health (SCMH) and the Canadian Community Health Survey (CCHS) (2015-2019) used the Patient Health Questionnaire-9 to screen for major depressive disorder (MDD) in adults aged 18 or older. The prevalence of MDD was compared between the SCMH and the CCHS. Risk and protective factors for MDD in the SCMH were examined using bivariate and logistic regression analyses. RESULTS: Based on SCMH data, 15.2% (95% CI: 14.2-16.2) of Canadians screened positive for MDD. The prevalence of MDD was more than two times higher in the SCMH (during COVID-19) than in the CCHS (predating COVID-19). In bivariate analysis, Canadians reporting five or more COVID-19-related risk factors were close to 30 times more likely to have MDD than those reporting no risk factors. Mastery and a sense of community belonging were protective factors for MDD. CONCLUSION: After remaining stable for two decades, the prevalence of depression among Canadians increased substantially with the onset of COVID-19. Ongoing monitoring of this common condition associated with major morbidity is vital to determine if elevated levels of MDD persist as we progress through and beyond future waves of COVID-19.
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 | 0,001 | 0,002 |
| 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 | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».