MétaCan
Menu
Retour à la cohorte
Enregistrement W4362632992 · doi:10.1186/s12889-023-15452-x

Mental health challenges, treatment experiences, and care needs of post-secondary students: a cross-sectional mixed-methods study

2023· article· en· W4362632992 sur OpenAlexafffundabout
Elnaz Moghimi, Callum Stephenson, Gilmar Gutiérrez, Jasleen Jagayat, Gina Layzell, Charmy Patel, Amber McCart, Cynthia Gibney, Caryn Langstaff, Oyedeji Ayonrinde, Sarosh Khalid‐Khan, Roumen Milev, Erna Snelgrove‐Clarke, Cláudio N. Soares, Mohsen Omrani, Nazanin Alavi

Notice bibliographique

RevueBMC Public Health · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueMental Health Treatment and Access
Établissements canadiensOptech (Canada)St. Lawrence CollegeWaypoint Centre for Mental Health CareQueen's University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMental healthMedicineBiostatisticsPopulationAnxietyPublic healthHelp-seekingMental distressFamily medicinePsychiatryNursingEnvironmental health

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Post-secondary students frequently experience high rates of mental health challenges. However, they present meagre rates of treatment-seeking behaviours. This elevated prevalence of mental health problems, particularly after the COVID-19 pandemic, can lead to distress, poor academic performance, and lower job prospects following the completion of education. To address the needs of this population, it is important to understand students' perceptions of mental health and the barriers preventing or limiting their access to care. METHODS: A broad-scoping online survey was publicly distributed to post-secondary students, collecting demographic, sociocultural, economic, and educational information while assessing various components of mental health. RESULTS: In total, 448 students across post-secondary institutions in Ontario, Canada, responded to the survey. Over a third (n = 170; 38.6%) of respondents reported a formal mental health diagnosis. Depression and generalized anxiety disorder were the most commonly reported diagnoses. Most respondents felt that post-secondary students did not have good mental health (n = 253; 60.5%) and had inadequate coping strategies (n = 261; 62.4%). The most frequently reported barriers to care were financial (n = 214; 50.5%), long wait times (n = 202; 47.6%), insufficient resources (n = 165; 38.9%), time constraints (n = 148; 34.9%), stigma (n = 133; 31.4%), cultural barriers (n = 108; 25.5%), and past negative experiences with mental health care (n = 86; 20.3%). The majority of students felt their post-secondary institution needed to increase awareness (n = 231; 56.5%) and mental health resources (n = 306; 73.2%). Most viewed in-person therapy and online care with a therapist as more helpful than self-guided online care. However, there was uncertainty about the helpfulness and accessibility of different forms of treatment, including online interventions. The qualitative findings highlighted the need for personal strategies, mental health education and awareness, and institutional support and services. CONCLUSIONS: Various barriers to care, perceived lack of resources, and low knowledge of available interventions may contribute to compromised mental health in post-secondary students. The survey findings indicate that upstream approaches such as integrating mental health education for students may address the varying needs of this critical population. Therapist-involved online mental health interventions may be a promising solution to address accessibility issues.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,057
Score d'incertitude au seuil0,114

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,122
Tête enseignante GPT0,503
Écart entre enseignants0,381 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations71
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC Public HealthMême sujetMental Health Treatment and AccessTravaux en français237 207