Eating disorder hospitalizations among children and youth in Canada from 2010 to 2022: a population-based surveillance study using administrative data
Notice bibliographique
Résumé
BACKGROUND: Eating disorders (EDs) are severe mental illnesses associated with significant morbidity and mortality. EDs are more prevalent among females and adolescents. Limited research has investigated Canadian trends of ED hospitalizations prior to the COVID-19 pandemic, however during the pandemic, rates of ED hospitalizations have increased. This study examined rates of ED hospitalizations among children and youth in Canada from 2010 to 2022, by sex, age, province/territory, length of stay, discharge disposition and ED diagnosis. METHODS: Cases of ED hospitalizations among children and youth, ages 5 to 17 years, were identified using available ICD-10 codes in the Discharge Abstract Database from the 2010/11 to 2022/23 fiscal years. The EDs examined in this study were anorexia nervosa (F50.0), atypical anorexia nervosa (F50.1), bulimia nervosa (F50.2), other EDs (F50.3, F50.8) and unspecified EDs (F50.9). Both cases of total and first-time ED hospitalizations were examined. Descriptive statistics and trend analyses were performed. RESULTS: Between 2010/11 and 2022/23, 18,740 children and youth were hospitalized for an ED, 65.9% of which were first-time hospitalizations. The most frequent diagnosis was anorexia nervosa (51.3%). Females had significantly higher rates of ED hospitalization compared to males (66.7/100,000 vs. 5.9/100,000). Youth had significantly higher rates compared to children. The average age of ED hospitalization was 14.7 years. Rates of ED hospitalizations were relatively stable pre-pandemic, however during the pandemic (2020-2021), rates increased. INTERPRETATION: Rates of pediatric ED hospitalizations in Canada increased significantly during the pandemic, suggesting that there may have been limited access to alternative care for EDs or that ED cases became more severe and required hospitalization. This emphasizes the need for continued surveillance to monitor how rates of ED hospitalizations evolve post-pandemic.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,008 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».