Access and use of general and mental health services before and during the COVID-19 pandemic: a systematic review and meta-analysis
Notice bibliographique
Résumé
Objectives To quantify access to health services during the COVID-19 pandemic and measure the change in use between the prepandemic and the pandemic periods in a population with assessment of psychological distress or diagnosis of mental disorders. Data sources We developed and piloted a search syntax and adapted it to enter the following databases from 1 January 2020 to 31 March 2023: PubMed/MEDLINE, PsycINFO, Web of Science, Epistemonikos and the WHO International Clinical Trials Registry Platform. We reran the searches from the end of the original search to 3 December 2024. Design We systematically screened titles, abstracts and full texts of retrieved records. Eligibility criteria We included observational studies on any populations and regions, covering health services such as doctor visits, hospital admissions, diagnostic examinations, pharmaceutical therapies and mental health (MH) services. Only studies using validated scales to assess psychological distress or mental disorders as defined in the Diagnostic and Statistical Manual of Mental Disorders were included. Data extraction and synthesis We extracted data using a purposefully designed form and evaluated the studies’ quality with the Newcastle-Ottawa Scale. We measured the incidence rate (IR) of access to health services and the IR ratio (IRR) between the prepandemic and the pandemic periods. We calculated contacts days and catchment areas in the different periods. We used the random effects DerSimonian-Laird inverse-variance model and calculated heterogeneity with statistics I² and τ². We computed pooled IR and pooled IRR and tested the hypothesis of no variation (IRR=1). Results We retrieved 10 014 records and examined the full text of 580 articles. We included 136 primary studies of which 44 were meta-analysed. The IR of access to services during the pandemic was 2.59 contact months per 10 000 inhabitants (IR=2.592; 95% CI: 1.301 to 5.164). We observed a reduction of 28.5% in the use of services with negligible differences by age group and type of services (IRR=0.715; 95% CI: 0.651 to 0.785). We observed significant differences in effect sizes across studies (τ2=5.44; p<0.001 and τ2=0.090; p<0.001). Conclusion By considering MH, our study provides consolidated evidence and quantifies the reduction in the use of health services during the COVID-19 pandemic. PROSPERO registration number CRD42023403778.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gpt | Méta-épidémiologie (sens large) Domaine: non disponible · Genre: Synthèse Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Méta-analyse | high |
| opus | Méta-épidémiologie (sens large) Domaine: non disponible · Genre: Synthèse Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Méta-analyse | medium |
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 | 0,019 | 0,048 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,023 | 0,038 |
| Bibliométrie | 0,011 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».