Quantifying the Impact of COVID-19 School Closures on Mental Health of School-Aged Children, Adolescent and Young Adults in Ontario: A Bayesian Time-Series and Hierarchical Analysis
Notice bibliographique
Résumé
The COVID-19 pandemic led to prolonged school closures in Ontario, which disrupted daily routines, peer relationships, and access to school-based supports for children, adolescents, and young adults. We assessed the association between cumulative pandemic school closure and mental health-related hospital, and emergency room visits among individuals aged 5-24 years in Ontario. Linked administrative health data included 330,645 inpatient and emergency or ambulatory visits from March 2020 to February 2024. Bayesian hierarchical negative binomial regression models estimated associations, adjusted for trends, seasonality, socioeconomic indicators, and population size, with stratification by age, sex, care settings, pandemic phases, and public health unit (PHU) characteristics. During COVID-19, greater cumulative pandemic school closure (cPSC) was linked to clear age- and sex-specific differences in mental health service use. Early- late mid-adolescent females showed the largest increases with longer closures, while young adult males declined. These trends were consistent across care settings. In the post-vaccine period (March 2021-February 2022), overall rates fell, but adolescent females remained the highest users. In the two-year recovery phase (post Covid), the influence of cPSC lessened, yet use remained concentrated among adolescent females, young adult males stayed lower.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».