Long-Term Trends in New and Pre-Existing Eating Disorder Acute Presentations Among Adolescents and Young Adults During and After the COVID-19 Pandemic: A Population-Based Cohort Study
Notice bibliographique
Résumé
PURPOSE: To measure rates of emergency department (ED) visits and hospitalizations among adolescents and young adults with new and pre-existing eating disorders 3.5 years after the onset of the COVID-19 pandemic. METHODS: We conducted a population-based cross-sectional study using linked health administrative data for Ontario residents aged 10-17 years and 18-26 years during the prepandemic (January 1, 2017-February 29, 2020) and postpandemic periods (March 1, 2020-September 30, 2023). We used Poisson generalized estimating equations models to predict expected yearly overall and monthly age-stratified rates of eating disorder-related ED visits and hospitalizations using prepandemic trends among those with a new or pre-existing eating disorder. RESULTS: ED visit rates peaked above expected in 2021 among adolescents with new (adjusted rate ratio [aRR] 2.70, 95% confidence interval [CI; 2.34, 3.11]) and pre-existing eating disorders (aRR 3.38, 95% CI [2.70, 4.23]). Although ED visit rates decreased over time for adolescents, they remained higher than expected in 2023 for both new (aRR 1.37, 95% CI [1.16,1.63]) and pre-existing eating disorders (aRR 1.53, 95% CI [1.17, 2.01]). Hospitalization trends among adolescents mirrored these patterns. Among young adults, ED visit rates for new eating disorders peaked above expected levels in 2021 (aRR 1.21, 95% CI [1.15, 1.27]), whereas the peak for pre-existing eating disorders occurred in 2020 (aRR 1.45, 95% CI [1.22, 1.73]). By 2022, ED visit rates had returned to or dropped below expected levels. DISCUSSION: The surge in eating disorder-related acute care visits was limited to the pandemic, with rates mostly returning to baseline, although adolescent rates remain elevated. This highlights the need for continual monitoring of long-term trends to ensure that public health responses are informed by sustained data.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».