Youth mental health care use during COVID-19: Evidence from administrative data in Alberta, Canada
Notice bibliographique
Résumé
Abstract Background The COVID-19 pandemic affected health care service delivery and accessibility. Our study examined how Canadian youth used mental health services before and during the COVID-19 pandemic, and whether youth access and use patterns differed for subgroups based on social determinants previously associated with health care access. Methods Cross-sectional population-based administrative health care data from the province of Alberta in Canada was used to examine youth (ages 15-24) mental health care use from 2018/19 to 2021/22. Data was analyzed using an interrupted time series design and segmented regression modeling on type of mental health care use. Outcome measures were mental health care use for: general physician visits, psychiatrist visits, emergency department, hospitalization, and different mental health diagnoses. We stratified by factors related to social determinants, including gender and socioeconomic status. Results The analysis indicates an overall increase in the proportion of youth that used mental health care from 2018/19 to 2021/22 (14.4% vs 17.5%, respectively). There was an immediate drop in use with the onset of the COVID-19 pandemic in Canada, followed by a steady rise during the pandemic years, which was largely due to an increase in general physician visits. This rise was seen for most mental health diagnoses of study (i.e., anxiety, adjustment, attention-deficit/hyperactivity disorder, schizophrenia, and self-harm disorders). Service use increased for young women/girls compared to young men/boys and for youth from wealthier neighborhoods. Conclusions This study provides evidence to support health services planning and delivery to respond to the mental health needs of youth and to prepare for future public health emergencies. Key messages • Our study findings indicate changes in health care use for mental health among Canadian youth (ages 15-24) during the COVID-19 pandemic, with use patterns differing for youth subgroups. • Administrative health data can provide evidence to support health services planning and delivery to respond to the mental health needs of youth and to prepare for future public health emergencies.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,019 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».