MétaCan
Menu
Retour à la cohorte
Enregistrement W4392671072 · doi:10.1016/j.eclinm.2024.102533

Effect of the COVID-19 pandemic on mental health visits in primary care: an interrupted time series analysis from nine INTRePID countries

2024· article· en· W4392671072 sur OpenAlexafffundabout
Javier Silva‐Valencia, Carla Lapadula, John M. Westfall, Gabriela Gaona, Simon de Lusignan, Robert Kristiansson, Zheng Ling, Lay Hoon Goh, Percy Soto-Becerra, María Sofía Cuba-Fuentes, Knut‐Arne Wensaas, Signe Flottorp, Valborg Baste, William Chi Wai Wong, Amy Pui Pui Ng, Ángela Ortigoza, Jo‐Anne Manski‐Nankervis, Christine Mary Hallinan, Paula Zingoni, Luciano F. Scattini, Adrian Heald, Karen Tu, Adrian Laughlin, Zhou Li, Mats Martinell, Uy Hoang, Wilson D. Pace, Michael Kidd

Notice bibliographique

RevueEClinicalMedicine · 2024
Typearticle
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensNorth York General HospitalUniversity Health NetworkUniversity of Toronto
Organismes subventionnairesUniversity of MelbourneCollege of Family Physicians of CanadaTrond Mohn stiftelseHeart and Stroke Foundation of CanadaCommunity Foundation of Pulaski CountyCanadian Institutes of Health ResearchNational Science and Technology Council
Mots-clésMedicineCoronavirus disease 2019 (COVID-19)Pandemic2019-20 coronavirus outbreakInterrupted Time Series AnalysisSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Primary careMental healthInterrupted time seriesFamily medicineMedical emergencyVirologyPsychiatryPsychological interventionInfectious disease (medical specialty)Outbreak

Résumé

récupéré en direct d'OpenAlex

Background: (INTRePID) explored primary care visit trends related to mental health conditions in Argentina, Australia, Canada, China, Norway, Peru, Singapore, Sweden, and the USA. Methods: We conducted an interrupted time series analysis in nine countries to examine changes in rates of monthly mental health visits to primary care settings from January 1st, 2018, to December 31st, 2021. Sub-group analysis considered service type (in-person/virtual) and six categories of mental health conditions (anxiety/depression, bipolar/schizophrenia/other psychotic disorders, sleep disorders, dementia, ADHD/eating disorders, and substance use disorder). Findings: Mental health visit rates increased after the onset of the pandemic in most countries. In Argentina, Canada, China, Norway, Peru, and Singapore, this increase was immediate ranged from an incidence rate ratio of 1·118 [95% CI 1.053-1.187] to 2.240 [95% CI 2.057-2.439] when comparing the first month of pandemic with the pre-pandemic trend. Increases in the following months varied across countries. Anxiety/depression was the leading reason for mental health visits in most countries. Virtual visits were reported in Australia, Canada, Norway, Peru, Sweden, and the USA, accounting for up to 40% of the total mental health visits. Interpretation: Findings suggest an overall increase in mental health visits, driven largely by anxiety/depression. During the COVID-19 pandemic, many of the studied countries adopted virtual care in particular for mental health visits. Primary care plays a crucial role in addressing mental ill-health in times of crisis. Funding: Canadian Institutes of Health Research grant #173094 and the Rathlyn Foundation Primary Care EMR Research and Discovery Fund.

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)0,008
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,094

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,047
Tête enseignante GPT0,469
Écart entre enseignants0,422 · 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'étudeObservationnel
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

Citations27
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEClinicalMedicineMême sujetCOVID-19 and Mental HealthTravaux en français237 207