Hospitalizations for Eating Disorders and Other Mental, Behavioral, and Neurodevelopmental Disorders Before and During COVID-19 in Canada
Notice bibliographique
Résumé
PURPOSE: We assessed hospital admission rates for anorexia nervosa (AN)/atypical AN (AAN) relative to other mental, behavioral, and neurodevelopmental disorders across age groups before and 1-year postpandemic onset. METHODS: Using the Canadian Discharge Abstracts Database, we analyzed admissions for AN/AAN and mental, behavioral, and neurodevelopmental disorders in ages 10-84-year-olds, grouped into 10-24, 25-44, and 45+ year olds. Data spanned fiscal years (FY) 2006-2021. RESULTS: AN/AAN admissions increased in the 10-24-year-old group, while remaining stable in older age groups. In FY2019, AN/AAN constituted 2.6% (95% confidence interval 2.4-2.8) of psychiatric admissions, increasing to 4.1% (95% confidence interval 3.9-4.3) in FY2020. Odds ratio for FY2019-FY2020 hospitalizations in 10-24 group was 1.61 (p < .0001), 25-44 was 1.15 (p = .31), and 45+ was 0.61 (p = .03). DISCUSSION: AN/AAN admissions surged among 10-24 year-olds during the pandemic's onset, underscoring the need for early interventions and preparedness to support adolescents and young adults with AN/AAN.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».