MétaCan
Menu
Retour à la cohorte
Enregistrement W4407079385 · doi:10.1016/j.jadr.2025.100881

Disruption of seasonal trends in mental health help-seeking behaviours during the COVID-19 pandemic

2025· article· en· W4407079385 sur OpenAlexafffundabout
Fernanda Talarico, Julie Tian, Yipeng Song, Yang S. Liu, Dan Metes, Rong Yang, Guofeng Wu, Yanbo Zhang, Jake Hayward, Mengzhe Wang, Bo Cao

Notice bibliographique

RevueJournal of Affective Disorders Reports · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensGovernment of AlbertaUniversity of Alberta
Organismes subventionnairesCanada Research Chairs
Mots-clésCoronavirus disease 2019 (COVID-19)PandemicMental health2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Environmental healthPsychologyGeographyVirologyMedicinePsychiatryOutbreakInternal medicineInfectious disease (medical specialty)Disease

Résumé

récupéré en direct d'OpenAlex

• COVID-19 disrupted seasonal patterns of mental health care utilization in Alberta. • Increase in mental health service utilization in Alberta during the pandemic. • No seasonal differences between sexes in mental health service utilization. • Children displayed different utilization patterns after the pandemic onset. The COVID-19 pandemic significantly impacted mental health globally. This study aims to explore seasonal and pandemic-related patterns in mental health utilization from various sources in Alberta, Canada. We analyzed Alberta's administrative healthcare data to investigate mental health utilization trends. The International Classification of Diseases codes were used to identify mental health disorders, and we examined data by service types and demographic subgroups. The pandemic disrupted the typical seasonal patterns of mental health service use in Alberta, in addition to a notable surge in the initial pandemic months (April to June). Before the pandemic, distinct seasonal patterns were observed, but significant changes occurred after its onset. Notably, children exhibited distinct utilization patterns post-pandemic onset, differentiating them from other age groups. The number of COVID-19 cases did not fully explain these variations, indicating other contributing factors. Physician billing data, which could limit the detail in diagnoses, and the complexity of factors influencing mental health service use pose challenges to a comprehensive analysis. The findings underscore the necessity for tailored mental health strategies that consider age and sex differences and address the evolving needs during and after the pandemic. Future research should delve into the underlying causes of altered service utilization patterns and assess intervention effectiveness, ensuring strategies are responsive and equitable.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,888
Score d'incertitude au seuil0,226

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,033
Tête enseignante GPT0,428
Écart entre enseignants0,394 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Affective Disorders ReportsMême sujetCOVID-19 and Mental HealthTravaux en français237 207