MétaCan
Menu
Retour à la cohorte
Enregistrement W7133300913 · doi:10.17605/osf.io/3g5fq

Temporal Trends in the Distribution of Child and Youth Mental Ill-Health from 1983 to 2023: Evidence from 4 General Population Based Samples in Ontario

2025· other· W7133300913 sur OpenAlexaboutno aff
Katherine Tombeau Cost, peter szatmari, Emma Nolan, Chris Ji, Jordan Edwards, Nicole S. J. Dryburgh, Meira Golberg, Yun-Ju Chen, Katholiki Georgiades

Notice bibliographique

RevueOpen Science Framework · 2025
Typeother
Langue
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMental healthYoung adultPopulationMental health lawDistribution (mathematics)Health problems

Résumé

récupéré en direct d'OpenAlex

Mental health problems can have a big impact on young people, with lifelong consequences. Our understanding of mental health has changed a lot over the last 40 years, with new ways to identify how many young people have mental health problems and better ways to measure how severe their mental health problems are. However, one of the challenges in understanding mental health problems in young people over the last 40 years is that different studies have used different ways to identify and measure mental health problems in young people. Some studies find that many more young people have mental health problems today than in the past. But other studies find that just the same amount of, or even less, young people have mental health problems today than in the past. Our study aims to provide some clear evidence on whether there is an increase, decrease, or no change in the level of mental health problems in young people today compared to 10 years ago, 25 years ago, and 40 years ago. We are using population-representative data that was collected to measure mental health problems in young people using the same items across Ontario. We will use this information to understand whether or how levels of mental health problems in young people have changed over 40 years. We also aim to understand if there are some groups of young people who are experiencing more mental health problems while there may be other groups of young people who are experiencing the same or less mental health problems. Finally, we aim to understand if the young people with the most mental health problems have become more unwell over time. Results from this study will help us know if there are more young people with mental health problems today compared to the past and will help policy-makers to support programs that will help young people who are experiencing mental health problems.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Science ouverte, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,066
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0020,010
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0060,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,059
Tête enseignante GPT0,352
Écart entre enseignants0,292 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen Science FrameworkTravaux en français237 207