Changes in psychiatric admissions in the first year of COVID-19 in Ontario, Canada
Notice bibliographique
Résumé
BACKGROUND: Several studies showed strong evidence that the COVID-19 pandemic disrupted mental health service use, with changes in emergency department visits, and psychiatric hospital admissions. It is not clear, however, whether the pandemic caused an increase or decrease in use of services for people with different diagnoses and symptoms. METHODS: We used data from all individuals admitted to psychiatric units in Ontario, Canada (259,620 individuals) from January 1st 2015 to December 31st, 2020 and compared the number of admissions, length of stay, symptoms, and clinical characteristics of this population in 2020 to the average of those who were admitted between 2015 and 2019. RESULTS: Total number of admissions declined sharply (44%) during the first lockdown period but returned to pre-pandemic levels within about 2 months. This trend, however, was not observed for all types of mental health problems. Admissions for symptoms such as risk of harm to others and addictions were consistently higher after the first wave in May 2020 compared to the same month in the previous 5 years, while symptoms such as social withdrawal, and depression were consistently lower. CONCLUSION: Taken together, these results suggest that the impact of the pandemic on the use of mental health services were symptom-specific, which is likely a result of the heterogeneity of mental health problems within this population. This variation in the changes in psychiatry admissions for patients with different clinical profiles should be considered when preparing for future service interruptions.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».