Determinants of e-Mental Health Use During COVID-19: Cross-sectional Canadian Study
Notice bibliographique
Résumé
BACKGROUND: Access to mental health treatment across Canada remains a challenge, with many reporting unmet care needs. National and provincial e-Mental health (eMH) programs have been developed over the past decade across Canada, with many more emerging during COVID-19 in an attempt to reduce barriers related to geography, isolation, transportation, physical disability, and availability. OBJECTIVE: The aim of this study was to identify factors associated with the utilization of eMH services across Canada during the COVID-19 pandemic using Andersen and Newman's framework of health service utilization. METHODS: tests for categorical variables and t tests for the continuous variable. Logistic regression was used to predict the probability of using eMH services given the respondents' predisposing, enabling, and illness-level factors while adjusting for respondents' age and gender. RESULTS: The proportion of eMH service users among survey respondents was small (883/12,052, 7.33%). Results from the logistic regression suggest that users of eMH services were likely to be those with regular family physician access (odds ratio [OR] 1.57, P=.02), living in nonrural communities (OR 1.08, P<.001), having undergraduate (OR 1.40, P=.001) or postgraduate (OR 1.48, P=.003) education, and being eHealth literate (OR 1.05, P<.001). Those with lower eMH usage were less likely to speak English at home (OR 0.06, P<.001). CONCLUSIONS: Our study provides empirical evidence on the impact of individual health utilization factors on the use of eMH among Canadians during the COVID-19 pandemic. Given the opportunities and promise of eMH services in increasing access to care, future digital interventions should both tailor themselves toward users of these services and consider awareness campaigns to reach nonusers. Future research should also focus on understanding the reasons behind the use and nonuse of eMH services.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| 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 ».