Acute mental health service use following onset of the COVID-19 pandemic in Ontario, Canada: a trend analysis
Notice bibliographique
Résumé
BACKGROUND: The extent to which heightened distress during the COVID-19 pandemic translated to increases in severe mental health outcomes is unknown. We examined trends in psychiatric presentations to acute care settings in the first 12 months after onset of the pandemic. METHODS: This was a trends analysis of administrative population data in Ontario, Canada. We examined rates of hospitalizations and emergency department visits for mental health diagnoses overall and stratified by sex, age and diagnostic grouping (e.g., mood disorders, anxiety disorders, psychotic disorders), as well as visits for intentional self-injury for people aged 10 to 105 years, from January 2019 to March 2021. We used Joinpoint regression to identify significant inflection points after the onset of the pandemic in March 2020. RESULTS: Among the 12 968 100 people included in our analysis, rates of mental health-related hospitalizations and emergency department visits declined immediately after the onset of the pandemic (peak overall decline of 30% [hospitalizations] and 37% [emergency department visits] compared to April 2019) and returned to near prepandemic levels by March 2021. Compared to April 2019, visits for intentional self-injury declined by 33% and remained below prepandemic levels until March 2021. We observed the largest declines in service use among adolescents aged 14 to 17 years (55% decline in hospitalizations, 58% decline in emergency department visits) and 10 to 13 years (56% decline in self-injury), and for those with substance-related disorders (33% decline in emergency department visits) and anxiety disorders (61% decline in hospitalizations). INTERPRETATION: Contrary to expectations, the abrupt decline in acute mental health service use immediately after the onset of the pandemic and the return to near prepandemic levels that we observed suggest that changes and stressors in the first 12 months of the pandemic did not translate to increased service use. Continued surveillance of acute mental health service use is warranted.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,008 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 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 ».