Age-specific determinants of psychiatric outcomes after the first COVID-19 wave: baseline findings from a Canadian online cohort study
Notice bibliographique
Résumé
BACKGROUND: Canadians endured unprecedented mental health (MH) and support access challenges during the first COVID-19 wave. Identifying groups of individuals who remain at risk beyond the acute pandemic phase is key to guiding systemic intervention efforts and policy. We hypothesized that determinants of three complementary, clinically actionable psychiatric outcomes would differ across Canadian age groups. METHODS: The Personal Impacts of COVID-19 Survey (PICS) was iteratively developed with stakeholder feedback, incorporating validated, age-appropriate measures. Baseline, cross-sectional online data collected between November 2020-July 2021 was used in analyses. Age group-specific determinants were sought for three key baseline MH outcomes: (1) current probable depression, generalized anxiety disorder, obsessive-compulsive disorder and/or suicide attempt during COVID-19, (2) increased severity of any lifetime psychiatric diagnosis, and (3) inadequate MH support access during COVID-19. Multivariable logistic regression models were constructed for children, youth (self- and parent-report), young adults (19-29 years) and adults over 29 years, using survey type as a covariate. Statistical significance was defined by 95% confidence interval excluding an odds ratio of one. RESULTS: Data from 3140 baseline surveys were analyzed. Late adolescence and early adulthood were identified as life phases with the worst MH outcomes. Poverty, limited education, home maker/caregiver roles, female and non-binary gender, LGBTQ2S + status and special educational, psychiatric and medical conditions were differentially identified as determinants across age groups. INTERPRETATION: Negative psychiatric impacts of COVID-19 on Canadians that include poor access to MH support clearly persisted beyond the first wave, widening pre-existing inequity gaps. This should guide policy makers and clinicians in current and future prioritization efforts.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,007 |
| Études des sciences et des technologies | 0,004 | 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) | 0,003 | 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 ».