Sociodemographic Patterns in Mood and Anxiety Disorders Among Youth and Young Adults in Canada: An Analysis of the 2015-2021 Surveillance Data
Notice bibliographique
Résumé
Background and objective Mood and anxiety disorders are increasingly affecting youth and young adults in Canada, with significant sociodemographic disparities. Understanding these patterns is essential for guiding targeted mental health interventions. Hence, this study aimed to describe the trends in diagnosed mood and anxiety disorders among Canadian youth (12-29 years) from 2015 to 2021, and to compare prevalence across sociodemographic groups (sex, age, income, geography, and ethnocultural identity). Methods This study used cross-sectional surveillance data from the Canadian Community Health Survey (2015-2021), analyzing weighted prevalence estimates and 95% confidence intervals (CI) stratified by key sociodemographic factors using descriptive statistical methods. Results The overall prevalence of diagnosed mood and anxiety disorders increased from 12.9% (95% CI: 11.7-14.2) in 2015 to 17.3% (95% CI: 15.6-18.9) in 2021. Female youth consistently reported higher rates than males (22.8% vs. 12.0% in 2021). Young adults aged 18-25 had the highest burden compared to adolescents (13.4%) and older youth. The prevalence was disproportionately higher among indigenous populations (33.7%), low-income groups, and residents of Atlantic provinces. Immigrants and racialized groups reported lower prevalence, but this may be attributed to underdiagnosis or systemic barriers to care. Conclusions Mood and anxiety disorders among Canadian youth are on the rise, with significant disparities in terms of sex, age, income, and ethnicity. These findings underscore the urgent need for equitable, culturally competent mental health services, early intervention, and policy responses tailored to vulnerable groups. Population-level surveillance combined with clinical insights is crucial to inform targeted mental health strategies and promote resilience in Canada's youth and young adult populations.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,009 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».