Prevalence and factors associated with depression and anxiety in young people in Switzerland and Liechtenstein in the post pandemic context
Notice bibliographique
Résumé
Abstract Over the past decade, youth mental health has become an increasing concern, highlighted by the COVID-19 pandemic. This study aims to identify the factors associated with depression and anxiety among young people in Switzerland and Liechtenstein during the specific period of the pandemic’s decline in the summer of 2021. Data were drawn from a national cross-sectional survey targeting 14-to 19-year-olds, recruited via social media platforms. A total of 1197 participants (48% female, 49% male, 3% other gender; mean age 16.5) were categorized based on the Kutcher Adolescent Depression Scale and General Anxiety Disorder score into three groups: no depression or anxiety, depression or anxiety, and both. The analysis compared these groups on various factors including sociodemographic characteristics, somatic health, occupation, substance use, adverse childhood experiences (ACE), suicidal behaviors, and available resources). Findings revealed that over one-third (37%) screened positive for depression, one quarter (25%) for anxiety, and one-fifth (22%) for both. Depression and/or anxiety were significantly associated with ACE, low socio-economic status, non-standard occupation, poor somatic health, lack of social support, and suicidal ideation. More than half (62.9%) had visited their primary care provider in the last year, offering a key opportunity for mental health screening. The high prevalence rates of depression and/or anxiety symptoms among youth highlight the urgent need for sustained monitoring and comprehensive prevention and intervention strategies, including adversity prevention and support for families in difficulty.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».