Évaluation de l’effet de la pandémie de COVID-19 sur le taux d’hospitalisation pour des raisons de santé mentale chez les jeunes au Canada : analyse de séries chronologiques interrompues
Notice bibliographique
Résumé
Introduction Cette étude a évalué l’effet de la pandémie de COVID-19 sur l’évolution des taux d’hospitalisation pour des raisons de santé mentale ou de dépendance chez les jeunes (de 10 à 17 ans) dans les provinces et territoires du Canada (à l’exception du Québec) entre le 1er avril 2018 et le 5 mars 2022. Méthodologie Nous avons effectué une analyse de séries chronologiques interrompues sur trois périodes : T0 (avant la pandémie : du 1er avril 2018 au 15 mars 2020), T1 (début de la pandémie : du 15 mars 2020 au 5 juillet 2020) et T2 (fin de la pandémie : du 6 juillet 2020 au 5 mars 2022). Résultats Avant la pandémie, les taux d’hospitalisation pour des raisons de santé mentale ou de dépendance étaient très variables d’une région à l’autre, avec des taux hebdomadaires allant de 6,27 événements pour 100 000 personnes (Manitoba) à 85,59 événements pour 100 000 personnes (trois territoires). Au cours de la période T1, le taux d’hospitalisation hebdomadaire à l’échelle nationale (à l’exception du Québec) est passé de 12,82 événements pour 100 000 personnes avant la pandémie (IC à 95 % : 12,14 à 13,50) à 5,11 événements pour 100 000 personnes (IC à 95 % : 3,80 à 6,41). Il n’y a pas eu de changement statistiquement significatif du taux d’hospitalisation pour des raisons de santé mentale ou de dépendance dans les provinces et les territoires pour la période T2 par rapport à la période T0. Cependant, le taux d’hospitalisation pour automutilation a augmenté de façon considérable chez les filles dans l’ensemble du Canada et dans la plupart des provinces au cours de cette période. Conclusion Bien que plusieurs études canadiennes aient fait état d’une augmentation du nombre de consultations externes et de consultations aux urgences pour des raisons de santé mentale ou de dépendance chez les jeunes pendant la pandémie de COVID-19, cette hausse ne s’est pas traduite par une augmentation du nombre de patients hospitalisés, à l’exception notable des cas d’automutilation chez les filles.
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 | 0,005 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 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) | 0,004 | 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 ».