Equity Analysis of Repeated Cross-Sectional Survey Data on Mental Health Outcomes in Saskatchewan, Canada during COVID-19 Pandemic
Notice bibliographique
Résumé
This paper aims to understand the impact of COVID-19 on three mental health outcomes-anxiety, depression, and mental health service use. Specifically, whether the associations between social and economic variables and these outcomes are exacerbated or buffered among equity-seeking groups in Saskatchewan. We analyzed secondary datasets of Saskatchewan adults from population-based national surveys conducted by Mental Health Research Canada (MHRC) on three occasions: cycle 2 (August 2020), cycle 5 (February 2021), and cycle 7 (June 2021). We examined temporal changes in the prevalence of anxiety, depression, and service utilization. Using the responses from 577 respondents in cycle 5 dataset (as it coincides with the peak of 2nd wave), we performed multinomial logistic regression. The policy implications of the findings were explored empirically through a World Café approach with 30 service providers, service users and policy makers in the province. The prevalence of anxiety and depression remained steady but high. Mental health services were not accessed by many who need it. Participants reporting moderate or severe anxiety were more likely to be 30-49 years old, women, and immigrants who earned less than $20,000 annually. Immigrants with either college or technical education presented with a lesser risk of severe anxiety. Factors associated with moderate or severe depression were younger age (<50 years), low household income, as well as immigrants with lower levels of education. Racialized groups had a lower risk of severe depression if they were under 30 years. Students and retirees also had a lower risk of severe depression. Canadian-born residents were more likely to require mental health supports but were not accessing them, compared to immigrants. Our analysis suggests mental health outcomes and service utilization remain a problem in Saskatchewan, especially among equity-seeking groups. This study should help drive mental health service redesign towards a client-centred, integrated, and equity-driven system in Saskatchewan.
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 | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,002 | 0,002 |
| 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 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 ».