Healthcare use in individuals with and without attention-deficit/hyperactivity disorder: A population-based longitudinal matched cohort study.
Notice bibliographique
Résumé
Individuals with Attention-Deficit/Hyperactivity Disorder (ADHD) experienced worsening symptoms during the COVID-19 pandemic resulting in increased demand for healthcare services. However, it is unclear how those with and without ADHD utilized these services during the COVID-19 pandemic. This study examined healthcare utilization among individuals with and without ADHD and as a secondary objective, investigated these trends among female and male subgroups, from April 1, 2014-March 31, 2023. We conducted a population-based longitudinal retrospective cohort study among ADHD cases identified using a validated algorithm, and controls from Ontario, Canada over the same study period. We matched ADHD cases 1:1 to controls by sex, birth year, and geographical area. Outcomes were number of outpatient visits per person per fiscal year to family physicians, for mental health and to emergency departments, stratified by sex and age group over the follow-up period. Crude visit rate differences between sex-specific cases and controls were calculated with 95% confidence intervals (CI). We matched 427 716 ADHD cases to 427 716 controls. ADHD cases were 163 528 ≤ 17 years (32% female), and 264 188 adults (52% female). From 2013-2024, where March 17, 2020 marked the onset of the COVID-19 pandemic, females aged 1-17 years with ADHD appeared to have higher visit rate differences to family physicians, emergency departments, and increased mental health services, relative to their controls, particularly in 2020 [2.66 (95% CI: 2.65-2.68)]. In the same year, males with ADHD still had a higher mental health visit rate difference, [2.02 (95% CI: 2.01-2.02)] in 2020, but lower than that observed in females. Adult females with ADHD had the highest mental health visit rate difference in 2020 [5.09 (95% CI: 5.07-5.11)] and males with ADHD had 4.41 (95% CI: 4.40-4.43). These higher service utilization differences likely reflected greater health needs among females with ADHD while males underutilized these services.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».