MétaCan
Menu
Retour à la cohorte
Enregistrement W4400414387 · doi:10.1001/jamapediatrics.2024.2044

Pandemic Stringency Measures and Hospital Admissions for Eating Disorders

2024· article· en· W4400414387 sur OpenAlexaffabout
Nadia Roumeliotis, Matthew Carwana, Katia Charland, Ofélie Trudeau, Mike Benigeri, Mamadou Diop, Holly Agostino, Kate Zinszer, Isra Amsdr, Baudouin Forgeot d’Arc, Sylvana M. Côté, Nicole E. Basta, Patrícia S. Fontela, Soren Gantt, Terry P. Klassen, Caroline Quach, Quynh Doan, Sarah Ahira, Samina Ali, Upton Allen, Krista Baerg, Megan Bale-Nick, Ananya Banerjee, Michelle Barton, Darcy Beer, Simon Berthelot, Julie A. Bettinger, Maala Bhatt, Melanie Buba, Francine Buchanan, Jared Bullard, Brett Burstein, Catherine Burton, Rahul Chanchlani, Michaël Chassé, Karen Choong, Evelyn Constantin, Carrie Costello, Tammie Dewan, Tanya Di Genova, Olivier Drouin, Karen Dryden‐Palmer, Geneviève Du Pont- Thibodeau, Marc-André Dugas, Raven Dumont-Maurice, Guillaume Émériaud, Jason G. Emsley, Mark A. Ferro, Karen Forbes, Isabel Fortier, Jennifer Foster, Jessica Foulds, Stephen B. Freedman, Gabrielle Freire, Eleni Galanis, P. Grantley Gill, Jocelyn Gravel, Emily Gruenwoldt, Gonzalo Garcia Guerra, Astrid Guttman, Betty Jean Hancock, Robyn Harrison, Joanna Holland, Ari R. Joffe, Fatima Kakkar, April Kam, James D. Kellner, Lisa Knisley, Thierry Lacaze‐Masmonteil, Saptharishi Lalgudi Ganesan, Marc- André Langlois, Nicole Le Saux, Laurie Lee, Kirk Leifso, Patricia Li, Andrea Linares, Sanjay Mahant, Isabelle Marc, Ahmed Mater, James McNally, Garth Meckler, Shaun Morris, Haifa Mtaweh, Srinivas Murthy, Fiona Muttalib, Leigh Anne Newhook, Jessica Nicoll, Nathalie Orr-Gaucher, Joseph S. Pagano, Anna Pangilinan, Jesse Papenburg, Jeffrey M. Pernica, Naveen Poonai, Élodie Portales-Casamar, Robert Porter, Rupeena Purewal, Paula Robeson, Joan Robinson, Manish Sadarangani, Marina Salvadori, Susan Samuel, Shannon D. Scott, Anupam Sehgal, Tatiana Sotindjo, Carla Southward, Taylor Stoesz, Robert Strang, Shazeen Suleman, Péter Szatmári, Sepi Taheri, Jennifer Tam, Roseline Thibeault, Karina A. Top, Krystel Toulouse, SzeMan Tse, Anupma Wadhwa, Gita Wahi, Sam Wong, Bruce Wright, Rae S. M. Yeung

Notice bibliographique

RevueJAMA Pediatrics · 2024
Typearticle
Langueen
DomainePsychology
ThématiqueEating Disorders and Behaviors
Établissements canadiensChildren's Hospital Research Institute of ManitobaMcGill UniversityUniversity of ManitobaMontreal Children's HospitalBC Children's HospitalOntario College of Art and DesignUniversity of British ColumbiaUniversité de MontréalInstitut National d'Excellence en Santé et en Services SociauxCentre Hospitalier Universitaire Sainte-Justine
Organismes subventionnairesnon disponible
Mots-clésMedicinePandemicCoronavirus disease 2019 (COVID-19)2019-20 coronavirus outbreakMEDLINEPediatricsFamily medicineEmergency medicinePsychiatryVirologyInternal medicineOutbreakDisease

Résumé

récupéré en direct d'OpenAlex

Importance: Hospitalizations for eating disorders rose dramatically during the COVID-19 pandemic. Public health restrictions, or stringency, are believed to have played a role in exacerbating eating disorders. Few studies of eating disorders during the pandemic have extended to the period when public health stringency restrictions were lifted. Objective: To assess the association between hospitalization rates for eating disorders and public health stringency during the COVID-19 pandemic and after the easing of public health restrictions. Design, Setting, and Participants: This Canadian population-based cross-sectional study was performed from April 1, 2016, to March 31, 2023, and was divided into pre-COVID-19 and COVID-19-prevalent periods. Data were provided by the Canadian Institute for Health Information and the Institut National d'Excellence en Santé et Services Sociaux for all Canadian provinces and territories. Participants included all children and adolescents aged 6 to 20 years. Exposure: The exposure was public health stringency, as measured by the Bank of Canada stringency index. Main Outcomes and Measures: The primary outcome was hospitalizations for a primary diagnosis of eating disorders (International Statistical Classification of Diseases and Related Health Problems, Tenth Revision code F50), stratified by region, age group, and sex. Interrupted time series analyses based on Poisson regression were used to estimate the association between the stringency index and the rate of hospitalizations for eating disorders. Results: During the study period, there were 11 289 hospitalizations for eating disorders across Canada, of which 8726 hospitalizations (77%) were for females aged 12 to 17 years. Due to low case counts in other age-sex strata, the time series analysis was limited to females within the 12- to 17-year age range. Among females aged 12 to 17 years, a 10% increase in stringency was associated with a significant increase in hospitalization rates in Quebec (adjusted rate ratio [ARR], 1.05; 95% CI, 1.01-1.07), Ontario (ARR, 1.05; 95% CI, 1.03-1.07), the Prairies (ARR, 1.08; 95% CI, 1.03-1.13), and British Columbia (ARR, 1.11; 95% CI, 1.05-1.16). The excess COVID-19-prevalent period hospitalizations were highest at the 1-year mark, with increases in all regions: Quebec (RR, 2.17), Ontario (RR, 2.44), the Prairies (RR, 2.39), and British Columbia (RR, 2.02). Conclusion and Relevance: In this cross-sectional study of hospitalizations for eating disorders across Canada, hospitalization rates for eating disorders in females aged 12 to 17 years were associated with public health measure stringency. The findings suggest that future pandemic preparedness should consider implications for youths at risk for eating disorders and their resource and support needs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,240
Score d'incertitude au seuil0,524

Scores Codex et Gemma par catégorie

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

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 Opus0,024
Tête enseignante GPT0,325
Écart entre enseignants0,301 · 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 tête enseignante, 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

Citations6
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJAMA PediatricsMême sujetEating Disorders and BehaviorsTravaux en français237 207