Annual Research Review: The impact of Covid‐19 on psychopathology in children and young people worldwide: systematic review of studies with pre‐ and within‐pandemic data
Notice bibliographique
Résumé
BACKGROUND: The high volume and pace of research has posed challenges to researchers, policymakers and practitioners wanting to understand the overall impact of the pandemic on children and young people's mental health. We aimed to search for and review the evidence from epidemiological studies to answer the question: how has mental health changed in the general population of children and young people? METHODS: Four databases (Medline, CINAHL, EMBASE and PsychINFO) were searched in October 2021, with searches updated in February 2022. We aimed to identify studies of children or adolescents with a mean age of 18 years or younger at baseline, that reported change on a validated mental health measure from prepandemic to during the pandemic. Abstracts and full texts were double-screened against inclusion criteria and quality assessed using a risk of bias tool. Studies were narratively synthesised, and meta-analyses were performed where studies were sufficiently similar. RESULTS: 6917 records were identified, and 51 studies included in the review. Only four studies had a rating of high quality. Studies were highly diverse in terms of design, setting, timing in relation to the pandemic, population, length of follow-up and choice of measure. Methodological heterogeneity limited the potential to conduct meta-analyses across studies. Whilst the evidence suggested a slight deterioration on some measures, overall, the findings were mixed, with no clear pattern emerging. CONCLUSIONS: Our findings highlight the need for a more harmonised approach to research in this field. Despite the sometimes-inconsistent results of our included studies, the evidence supports existing concerns about the impact of Covid-19 on children's mental health and on services for this group, given that even small changes can have a significant impact on provision at population level. Children and young people must be prioritised in pandemic recovery, and explicitly considered in planning for any future pandemic response.
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 | 0,018 | 0,066 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,011 | 0,010 |
| Bibliométrie | 0,018 | 0,018 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».