Mental Health and the Youth Athlete: An Analysis of the HeartBytes Database
Notice bibliographique
Résumé
Abstract Background There is a high rate of mental health conditions among the youth athlete population; however, there is limited information about the impact mental health disorders can have on their overall health and athletic performance. Methods Data was collected by Simon’s Heart, a nonprofit organization that coordinates pre-participation examinations (PPE) for adolescents. Multivariable logistic regression adjusting for age, gender, race, BMI, asthma, anemia, and participation in sports was performed to assess the relationship between mental health disorders and each outcome. Results The HeartBytes dataset is composed of screening data from 7425 patients ranging from 12 to 20 years old. We identified 565 patients (7.6%) diagnosed with ADHD and 370 patients (5.0%) diagnosed with anxiety/depression. Screened participants without a diagnosis of ADHD, anxiety, or depression were significantly more likely to play sports compared to those with these conditions (75.4% vs 59.4%, P < 0.001 for ADHD; 89.4% vs 72.4%, P < 0.001 for anxiety/depression). Those with anxiety/depression not on an antidepressant (OR: 2.09, CI: 1.31–3.19, P < 0.01), but not those on an antidepressant (OR: 1.87, CI: 0.96–3.33, P = 0.05), were more likely to report chest pain or dyspnea with exercise. Those with ADHD not on a stimulant (aOR 1.91, CI 1.22–2.89, p < 0.01), but not those on a stimulant (aOR 1.40, CI 0.82–2.24, p = 0.19) were more likely to report palpitations. ECG abnormalities were not more prevalent regardless of anxiety/depression, ADHD, or medical therapy with an antidepressant or a stimulant. Conclusion Young athletes with anxiety/depression were less likely to participate in sports than healthy individuals. This may be due to deterrence as a result of the symptoms, such as dyspnea or chest pain, they experience during exercise. However, those taking antidepressants had fewer symptoms during exercise. Given that exercise has been shown to improve depression/anxiety, increasing the rate of antidepressant use may lead to less symptoms, more exercise, and an overall improvement in the mental health conditions in this population.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».