Comorbidity and temporal associations between mental disorders among college students in the world mental health international college student initiative
Notice bibliographique
Résumé
BACKGROUND: Mental disorders are highly prevalent among students worldwide. This study aims to examine comorbidity and temporal associations between mental disorders among students. METHODS: The study included 72,288 students from 18 countries as part of the World Mental Health International College Student (WMH-ICS) Initiative, with cross-sectional data collected between 2017 and 2023. Screening for common DSM-5 disorders was conducted using validated screening measures. Latent variables were examined using exploratory principal axis factor analysis on a correlation matrix among the lifetime mental disorders. Based on age-of-onset information, multivariable poisson regression models were used to examine associations of prior disorders with the first onset of other disorders. RESULTS: 27.0 % of students screened positive for only one lifetime disorder, 17.1 % for two, 10.9 % for three, and 10.6 % for 4+ disorders. In the factor analysis, three latent variables were found, comprising: internalizing disorders (generalized anxiety disorder, major depressive episode, post-traumatic stress disorder, and panic disorder), substance use disorders (drug use disorder and alcohol use disorder), and externalizing disorders (attention deficit/hyperactivity disorder and mania/hypomania). Prior internalizing and externalizing disorders were associated with the subsequent first onset of all other disorders with risk ratios ranging from 1.5-7.5. Substance use disorders were less consistently associated with the subsequent first onset of other disorders, but alcohol use disorder was associated with the first onset of drug use disorder and vice versa. CONCLUSIONS: Mental disorder comorbidity is common among students, and students with disorders across the internalizing and externalizing spectrum have an increased risk of future mental disorder comorbidities.
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) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».