Identifying Psychological Distress Data Available in Nationally Representative Surveys: A Scoping Review and Case Study of Australian Surveys
Notice bibliographique
Résumé
AbstractPurpose: Mental health data are crucial for understanding trends in psychological distress. This scoping review aimed to identify and describe surveys of representative samples of the Australian household population that measured psychological distress, and to provide a case study illustrating how datasets can be systematically summarized to assist researchers to more easily identify available datasets.Methods: We systematically searched PubMed and data archives for surveys state or nationally representative of the Australian household population that assessed psychological distress.Results: We provide a searchable metadata database characterizing 282 identified datasets from 41 studies (25 cross-sectional, 16 longitudinal) conducted between 1989 and 2023. Forty psychological distress instruments were used, with the Kessler Psychological Distress scale [1] most common (n = 113 datasets). Surveys also frequently measured demographics, physical health, and socioeconomic information. Stratified random sampling of geographic areas was the most common sampling frame, and adults the most frequently sampled group. There was notably less representation of important subgroups of the population, including youth, Aboriginal and Torres Strait Islander people, and people with disabilities, despite evidence of high distress prevalence in these groups. Conclusions: This review provides valuable metadata summarizing available psychological distress datasets, including information on sampling designs, instrumentation, and covariates. This metadata is available to other researchers, enabling efficient identification of relevant datasets, promoting data sharing, and supporting future data integration. This method for systematically compiling metadata can be replicated for data related to other topics important to public health to facilitate greater data utilization.
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 | 0,139 | 0,448 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,047 | 0,052 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,006 | 0,008 |
| Science ouverte | 0,004 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».