An Epidemiological Study of Physical–Mental Multimorbidity in Youth: Une étude épidémiologique de la morbidité physique-mentale chez les jeunes
Notice bibliographique
Résumé
Objective This epidemiological study estimated the lifetime prevalence of chronic physical illness (i.e., an illness that lasted or was expected to last ≥6 months) and 6-month prevalence of mental disorder and multimorbidity (i.e., ≥1 physical illness and ≥1 mental disorder) in youth. Associations between physical illness and mental disorder were quantified, including the number of illnesses. Secondary objectives examined factors associated with mental disorder, after controlling for physical illness. Methods Data come from 10,303 youth aged 4–17 years in the 2014 Ontario Child Health Study (OCHS). Physical illness was measured using a list of chronic conditions developed by Statistics Canada. Mental disorders were measured using the OCHS Emotional Behavioural Scales. The Health Utility Index Mark III assessed overall functional health. Results Weighted prevalence estimates showed 550,090 (27.8%) youth had physical illness, 291,986 (14.8%) had mental disorder, and 108,435 (5.4%) had multimorbidity. Physical illness was not associated with mental disorder. However, youth with 2 physical illnesses, as compared to no physical illnesses, had increased odds of having any mental (OR = 1.75 [1.08, 2.85]), mood (OR = 2.50 [1.39, 4.48]) and anxiety disorders (OR = 2.40 [1.33, 4.31]). Mean functional health scores demonstrated a dose–response association across health status categories, with the highest scores among healthy youth and the lowest scores among multimorbid youth (all p < .05). Conclusion Chronic physical illness and mental disorders are prevalent in youth. Youths with 2 physical illnesses have a higher likelihood of mental disorders. Higher functional health scores protected against all mental disorders. Mental health interventions for youth should promote strong overall functional health. Plain Language Summary Title Physical-Mental Multimorbidity in Ontario Youth
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».