微分COVID-19大流行对初级保健的影响利用相关的常见精神障碍四个欧洲国家:一项回顾性观察研究

1。介绍

COVID-19大流行爆发以来已经被越来越多的关注的后果COVID-19流行和相关的控制措施将对人口心理健康(1,2)。大流行之前,最常见的精神疾病是焦虑,3.8%的全球流行在欧洲(4.9%),其次是抑郁症(3.6%在全球范围内,4.2%在欧洲)(3)。在欧洲,焦虑症贡献1.4%(1.0 -1.8%)总疾病负担(伤残调整生命年,DALYs)和抑郁2.2% (1.6 -2.9%)(3)。综上所述,焦虑和抑郁,这称为常见精神障碍(CMD),构成了精神疾病总负担的62%在欧洲。

COVID-19大流行和相关的控制措施增加了暴露在心理压力,包括孤独、无聊、经济压力、家庭暴力(4,5)。与此同时,某些人群可能经历了轻松的工作安排,减少时间上下班,和更少的压力在日常生活中,保护他们免受不良精神健康的影响(6,7)。因此,大流行的心理后果可能穿越人口群体,不同时间尺度,和国家。政府实施政策的不同程度控制的流行提供了一个机会来评估政策最大的对心理健康的影响。

探索大流行和有关法规的间接影响是很重要的,原因有两个。首先,一个更好的观点需要医疗的世界性大规模疫病流行将促进公共卫生规划和帮助优化医疗开支。其次,知道哪些措施最大的不良健康后果可能告知应该如何处理未来的大流行。

跟踪变化人口心理健康的社会危机如COVID-19流行病通常使用自我报告完成,自杀率,精神处方率或医疗利用率。大多数研究调查流感大流行的影响依赖于前者。然而,时间趋势健康利用率数据提供了重要的补充信息通常采用调查数据。首先,定期收集医疗数据的可用性高,由于连续记录它通常允许更好的发明者基线比较高时间分辨率与调查研究,只依赖于一个或几个基线测量。其次,医疗利用记录是基于临床验证诊断由临床医师决定,而调查研究中,虽然使用验证心理评估量表,少依靠有效的自我报告的数据,通常高估了精神疾病的病发率(8)。第三,医疗利用率数据通常提供了一个更完整的报道研究的人口比使用调查数据是可行的。

在先前的研究调查过COVID-19相关医疗利用率有关CMD的变化,只有少数使用初级保健数据。这些数据是异常宝贵的检测公共精神健康的变化,考虑到大多数(大约60 - 90%)的欧洲(瑞典和英国)患者寻求帮助CMDs只有遇到的初级保健中心(而不是专业-或住院医疗)(9,10)。

先前的研究记录的初级保健CMD变化通常报告的数量急剧减少病人的第一个月大流行期间,紧随其后的是一个在2020年下半年正常化。例如,卡尔et al。(11)报道CMD的显著减少发病率在2020年4月在英国,尽管已经在2020年6月抑郁水平正常化,近规范化和焦虑水平。然而,卡尔et al。(11)只报告数据,直到2020年9月,防止任何结论的长期影响持久的大流行。初始减少抑郁症也被报道在德国(12)、挪威(13)、西班牙(14),在后一种情况下保持在低水平,直到2021年初水平。

然而,从丹麦的研究(15)和荷兰(16)报道不变,或在后一种情况下,稍微增加CMD的水平。在两项研究中,作者属性的相对恒定的CMD水平有效转移的保健模式,从面对面的虚拟磋商。

综上所述,以往的研究报告不同程度的初级保健的CMD病人数量的变化。在大多数国家,流行病的爆发之后,CMD最初的减少情况下,而少数国家经历了立即增加,通常是紧随其后的是减少。尽管大多数上述研究报告的数据,直到2020年底,长期影响(因此失明),多数报道规范化CMD水平在2020年下半年。不幸的是,这些研究观察,而有限的几个时期的大流行前数据或使用的分析方法的长期趋势,缺乏控制医疗利用率,从而会使误导性的结论。

在这项研究中,我们调查了独特的个体数量的变化寻求照顾CMD大约第一年的COVID-19大流行期间相比之前的3 - 5年。尽管数据可用性和组织在国家卫生保健系统不同,我们旨在收集尽可能保健利用类似的措施。先前的研究表明,在所有精神障碍,CMD将属于受影响最严重的(11,16,17)。以来,至少在瑞典和英国,大多数人寻求照顾CMD满足全科医生而不是专家[Flodin et al .,留言。,(9,10)],CMD计数在初级保健可能会成为最敏感的措施改变人口心理健康。据我们所知,这是第一个研究调查的影响大流行在CMD初级卫生保健在多个国家利用有关。此外,这是第一次尝试评估强度的变化的几种类型的多个国家的政府采取的限制,为了理解这限制,对心理健康有最大的影响。

2。材料和方法

2.1。心理健康数据的集合

初级卫生保健数据利用率得到来自7个国家或区域的数据库经常不断,近乎实时的初级保健访问的记录。欧洲通过文献搜索PubMed数据库所有者被确定(补充表1)和谷歌学术搜索,在大学生的网络请求欧洲公共卫生专业人员,网络搜索,用滚雪球的策略。鉴于我们的范围是调查疫情控制措施的影响在一个欧洲背景下,搜索被限制在欧洲国家。数据可用性普遍匮乏,由于持续的大流行注册所有者经常报道有比平时延长处理时间。最终,我们从四个国家获得定制的数据集(和七个独立的数据库)。

2.1.1。挪威

我们收到了国家健康数据从挪威控制和支付的补偿数据库(KHUR-register)属于挪威卫生理事会。数据跨越2017年1月至2021年6月之间的时期。挪威卫生控制和支付补偿数据库(KHUR)提供了几乎完整的覆盖全国的公立初级保健在挪威访问(18),即。,5。40 million inhabitants (December 2020). The data set comprised 130.01 million primary care encounters (regardless of diagnosis), rendering a monthly average of 2.41 million patient visits.

2.1.2。拉脱维亚

数据来自拉脱维亚疾病预防和控制中心(19)。数据库包含主医疗利用记录有关完整的拉脱维亚人,即。2020年12月,190万年。拉脱维亚2716万遇到数据集组成,或每月038万遇到。

2.1.3。瑞典

我们获得初级保健四县的数据(斯德哥尔摩郡,西Gotaland县史县和Ostergotland县),占地603万或大约59%的瑞典人口(2020年12月)(20.- - - - - -23)。覆盖率是未知的但应该包含几乎所有公开资助初级卫生保健。完整的数据集,包括1.9796亿名接触,或每月264万遇到。

2.1.4。荷兰

荷兰的初级保健从胆固醇初级保健数据库获得数据(由荷兰公共卫生部、福利和体育)覆盖人口1740万(2020年12月)虽然一个待定覆盖率(24)。荷兰4.1067亿遇到数据集组成,每个月或570万遇到。

2.2。结果

焦虑症和抑郁症的定义根据全球疾病负担项目所使用的术语定义(GBD)[国际疾病分类(ICD10)——国际分类初级保健(ICPC)代码中列出补充表2]。从所有寄存器,我们要求聚合的独特的个体诊断为焦虑或抑郁,分层的年龄段,性别,地区,和几个月的访问(参见“分析”的一节)。

乌普萨拉,瑞典伦理审查机关认为没有道德许可所需的研究中,只有聚合,因此匿名报告,已经收集到的寄存器数据(参考2021 - 01501)。

2.3。控制测量指标

指数提供的控制措施是Goldszmidt et al。(25)¹和政府构成了六个指标测量强度响应应对流感大流行。这些都是社会距离,学校限制,企业的限制,健康监测,卫生资源,面具戴。指数由特定国家,每天估计从2020年1月1日到2021年10月的调查(和额外的超过180)四个国家。指数的概念是为了通过结合两个最全面COVID-19数据集:日冕净COVID-19政府响应事件数据集,和牛津COVID-19政府响应跟踪器,和其他地方进行更详细的描述(25)。由于共线性的高度可用的六个指标和以减少多重比较的问题,我们只选择两个最合理的人口心理健康相关,即社会距离和学校的限制。社会距离指数捕获限制个人流动,如封锁,旅行禁令等。该指数在学校的教育限制了规定,如关闭中学、授权远程教育,学校推迟考试等等。

2.4。分析

数据结构与月度时间序列格式项的独特的个人来访的初级保健和人数有注册与焦虑症或抑郁症为主要诊断。因此,对于每一个精神疾病,个人每月只计算一次,虽然同一个人可以在两个不同的日历数个月,或一次抑郁和焦虑在同一个月一次。CMD变量是焦虑和抑郁的总和。所有时间序列是由人口规范化分母对应于每个登记的人口覆盖率和时间点,渲染结果单位“初级保健的独特的个人在CMD注册数量每100 000 person-months”(后来被称为“CMD / 100000经前综合症”)。

对于每个区域,月和人口群体,预计患病率估计在未使用模型训练数据,通常从2015年1月(或在挪威的情况下,从2017年1月),直到2019年12月。对时间序列的预测中,我们使用季节性ARIMA(自动回归集成移动平均)模型。简而言之,ARIMA预测未来基于历史时间序列的时间序列。ARIMA模型序列相关(自回归AR”项,和移动平均“马”术语),non-stationarity(通过差分或“我”项)和季节性趋势。因此季节性ARIMA(即占两个长期趋势。,yearly changes), seasonality (monthly changes), and changes of these over time. A 12 months seasonality was imposed on the otherwise automatically derived ARIMA model parameters. The parameters were selected by stepwise comparisons of goodness-of-fit as quantified by the Akaike information criterion (AIC), as implemented in the python librarypmdarima 2.0.1。

随后预测与实际相比,患病率,每个月,比率(PR)获得观察除以预期的患病率。共有95%的置信区间计算使用引导重采样和替换使用500次迭代。因此,对于每一个国家,人口组和时间,我们得到了公关表示观察之间的偏差和期望CMD患病率在初级护理。

然后我们测试的控制措施之间的关系,CMD保健流行的偏差。索引是检索https://github.com/CoronaNetDataScience/corona_index。原始指标转换首先改变他们在大流行开始时从0开始。然后他们按比例缩小的跨度范围0 - 100,100表示的最大值达到每个索引的四个国家。

每个国家和每个人口组,我们指定的两个独立的模型组成的政策指数与学校或社会距离的限制。此外,我们包括一个二进制变量不感兴趣有关流行病的爆发(0在时间点组成的大流行之前,和1′s在大流行期间,与发病组在2020年3月)。哑变量包含控制一般流行影响与调查无关的政策限制,如怕感染,经济压力,或官方建议避免医疗保健服务,除非必要。所有解释变量(即。,学校限制,社会距离,the binary pandemic regressor) within each country were highly correlated (r> 0.83,p< 0.001)。

因为我们没有强大先天的原因估计线性控制措施和CMD保健流行水平之间的关系,我们进行了灵敏度分析测试为非线性(二阶多项式)影响报道补充表3。所有数据分析使用Python 3.6,代码可在https://github.com/parflo/pandemic_CMD_in_europe/。

3所示。结果

3.1。基线患病率

基线CMD保健流行(即。,average monthly counts during the 12 months period prior to the pandemic onset in March 2020) varied widely across the countries, with highest levels in Sweden (1,963 per 100,000 person-months), followed by Norway (1,529 per 100,000 person-months), Netherlands (653 per 100,000 person-months), and lastly Latvia (227 per 100,000 person-months). Also, the baseline distribution of anxiety vs. depression cases varied greatly (表1)。然而,在每一个国家,两种疾病显示类似的变化随着时间的推移,(补充图1,2)。强劲的季节性模式观察主要是为瑞典和挪威的人口,和更少的荷兰和拉脱维亚时间序列。此外,长期增加是瑞典最突出,其次是挪威(图1- - - - - -4)。

刺激了CMD基线保健患病率的变化(例如,近7倍利率在瑞典拉脱维亚)相比,我们进一步审查每个寄存器的覆盖率。因为我们没有获得正式的覆盖率的估计,我们比较了国家关于两个指标变量:每月的独特的个人利用初级卫生保健任何诊断和独特的个人收到的数量任何精神诊断(表1和补充图3,4)。

3.2。在大流行期间患病率的变化

3.2.1之上。瑞典

瑞典人口(所有年龄和男女合计)显示显著降低CMD保健患病率从2020年3月到2020年12月(公关= 0.91;95%可信区间0.90 - -0.93),(表2)。有明显的年龄梯度CMD的变化,其中最年轻的年龄组显示比率增加(公关= 1.08;95%可信区间1.04 - -1.11),同时减少相关的流行CMD保健患病率与年龄较大的人群变得更加明显。进一步的调查显示,性别差异CMD变化的年龄依赖的模式是由女性,而男性不显示更大的减少的总体趋势在老年群体中(表2)。

每月CMD变动分析显示最大的减少发生在2020年4月和5月(4月公关0.85;95%可信区间0.81 - -0.90)。返回至接近正常水平2020年6月,再次低于预期水平在2020年秋天,虽然不显著(图1)。

3.2.2。挪威

挪威没有显示一个整体变化在CMD保健流行在总人口在第一年(即。,10个月)大流行(公关0.99;95%可信区间0.96 - -1.02)。相比,有趣的是,瑞典、挪威反模式显示年龄依赖CMD变化,年轻的年龄组下降超过成熟的地方。此外,这在男性比女性(年龄差异更为明显。表2)。类似瑞典最大的CMD跌幅发生在2020年春季(例如,公关4月0.90;95%可信区间0.83 - -0.97),由2020年6月(归一化图2)。

3.2.3。荷兰

荷兰CMD的变化提出了一个类似的模式(图3),挪威,没有发生重大变化的人口。然而,年轻的成年人(尤其是女性)显示CMD最大的降低利率。0 - 14岁的女性显示发病率下降18%(公关0.82;95%可信区间0.72 - -0.94),而女性75 +增加6%(公关1.06;95%可信区间1.02 - -1.11)(表2)。

3.2.4。拉脱维亚

拉脱维亚是唯一的国家,CMD总人口增加(公关1.29;95%可信区间1.14 - -1.26)2020年4月至12月期间(表2)。虽然增幅最大的女性(公关1.22;95%可信区间1.18 - -1.27)与男性相比(1.16;95%可信区间1.11 - -1.22),男女显示CMD增加在老年群体中。水平升高发生在2020年4月,仍或多或少地上升在2020 (图4)。

3.3。增加初级保健的虚拟化

从瑞典和挪威,我们对虚拟化的程度(即数据。的初级保健咨询,在线,通过移动应用程序或电话)。这两个国家经历了突然和戏剧性的虚拟化主要精神卫生保健。在瑞典,在12个月大流行之前,26.5%的CMD诊断记录电话咨询,44.6%的前12个月大流行期间(2020年4月到2021年3月),(即。,增长73.6%),(见补充图5,6)。相应地,挪威经历了一个转变从远程咨询的18.0%到39.2%,(即。,增长117%)。

3.4。控制措施的影响

CMD保健患病率和控制措施之间的关系(即。,学校限制和社会距离)通常是弱(表3)。没有调查政策指标显示显著关联(Bonferroni纠正p值在一个α水平的0.05/32 = 0.0016)。然而,对于大的人群,有一个趋势(定义为α水平0.05未修正的多个比较)学校之间的负相关限制和减少CMD保健流行在荷兰这样一个点在学校增加限制减少CMD护理患病率(β=−2.7×10⁵,p= 0.024),或在全国每个月减少459人。同样,在拉脱维亚有倾向之间的负关联学校限制和CMD(β=−9.2×10⁶,p= 0.022,对应不到一个人每个月减少)。与我们的相反先天的假设,我们没有观察到任何选择性的影响学校限制年龄,最好与学校儿童(0 - 14岁)或他们的父母(30-59年)在任何国家。

同样,在跟踪分析测试非线性(二次)政策和CMD之间的关系,没有观察到显著关联(补充表3)。

4所示。讨论

在当前跨国,回顾性观察研究我们观察到一些著名的大流行CMD利率的变化有关。COVID-19初始阶段的大流行期间(2020年4月- 5月)的流行主要care-recorded CMD下降在瑞典,挪威,荷兰,但增加在拉脱维亚。在挪威和荷兰,患病率在2020年夏天,然后回到基线仍接近预期的水平,直到研究结束的时期(2021年3月)。与此同时,瑞典和拉脱维亚降低维护和增加CMD保健流行,分别。

总的来说,公关在大流行期间(2020年3月至12月)在瑞典(9%)下降,仍按预期大约在挪威和荷兰,但增加在拉脱维亚(20%)。有趣的是,尽管瑞典经验最年轻的年龄组患病率升高(尤其是女性),但随年龄,逆转年龄模式在其他三个国家:在挪威,荷兰,和拉脱维亚患病率随着年龄增加。

在瑞典和荷兰(尽管在相反的方向),年龄梯度流行率主要是由女性,而男性在挪威最大的年龄差异显示。拉脱维亚没有显示任何明确的年龄,性别的交互。

最初的CMD下降相关的初级保健利用率和随后回到电视台的水平跟出现的其它地方。在2020年4月在英国,卡尔et al。(11)报道,在治疗抑郁症和焦虑症的发生率减少43%和47%,分别和威廉姆斯et al。(26同期下降了50%。尽管(14)首次报道增加(19%)的焦虑在西班牙人口2020年3月期间,这很快就取代了大量减少。此外,抑郁症立即出现大幅减少(64%)在第一个月(2020年3月至6月)的大流行,和第一在2021年初CMD发生率达到锁定前的水平。

然而,一些以往的研究报告CMD利率升高,特别是在2020年下半年。在最初挪威CMD下降情况下(类似于我们发现),Hvide和约翰森(13)报道水平升高可能会保持到2020年12月。这也是在一个德国的研究分组人口约300万人。Bohlken et al。(12)比较了CMD发病率在初级保健在2020年最后三个季度的平均数量相似的时期在前2年,并发现一个焦虑在2020年增长19%,但没有改变在抑郁和压力失调。不幸的是,这些研究都经历了相似的局限性在长期趋势的分析策略没有适当的控制,这可能导致观察到的增加和解释为什么Hvide和约翰森(13)观察CMD在挪威,我们没有增加。

最后,荷兰的一项研究的初级和专业精神保健覆盖数据大约有200万居民,尽管比报道在目前的研究中,从一个不同的寄存器附近发现在2020年不变的精神病护理水平利用率。作者得出的结论是,不断增加利率可以解释在远程精神病治疗和视频磋商在第一次COVID-19爆发(16)。

采用措施CMD利率变化的先前的研究。Bohlken et al。(12)报道了1年发生率,即。,only included patients that had no diagnoses at least 1 year prior to the date they were included. Similarly, Raventós et al. (14)删除所有例小于1年的CMD免费注册到数据库。然而,最常见的测量数量的遭遇对于一个给定的一段时间,不管病人先前CMD历史(13,15,16)。没有上述研究报道医疗每月数量的患病率独特的个人当前的研究。可能,这可能影响报道CMD率的大小,这对瑞典、挪威和荷兰都远远小于之前的报告在英国和西班牙。

医疗保健系统之间的差异(例如,保健支出和可访问性)防止结论性的国家比较基线的患病率和随着时间的推移。然而,由于初级护理诊断相对可比的总数在调查国家(补充图3),我们认为观察到的低CMD基准利率尤其是拉脱维亚可能反映出相对准确的流行,而不是虚假地诱导工件由于覆盖率不足。估计CMD的全球疾病负担研究(3)显示类似的发病率的国家之一:与抑郁症新病例的数量在2019年是大约5600(4800 - 6300)/ 100000年拉脱维亚,和5200年在瑞典(4700 - 5800)/ 100000。同样,焦虑发生率530(410 - 650)/ 100000年拉脱维亚和670(540 - 800)/ 100000年瑞典。虽然基线CMD水平在拉脱维亚(227每100000 pm)是远低于其他报道国家(例如,只有12%的CMD水平在瑞典),利率是与(尽管定义略有不同)发病率在西班牙[Raventos et al。(14)和英国(11)。总之,目前的研究提供了证据的未满足的需要在拉脱维亚(27)相比,如瑞典。

尽管如此,它仍然是解释为什么拉脱维亚显示长期升高PRs CMD与其他国家。我们能想到的两个潜在的原因:首先,鉴于拉脱维亚基线患病率低,低的患者数量很可能反映了一个更“精华”病人群更严重的情况下,因此无法停止寻找。其次,潜在的虚拟化拉脱维亚主要医疗比其他国家更发达,促进护理寻求面对社会的向下看。虽然目前研究不幸缺乏数据虚拟化在拉脱维亚的程度,结果Kursīte et al。(28)表明,远程安慰患者在初级保健不定期提供之前的其他非传染性疾病大流行。

流行病的爆发,全球卫生交付系统经历了交付的护理模式的转变,从面对面的协商一个戏剧性的转移至远程咨询。这些变化已报告在精神病护理由GPs (15,16)和专业开放保健(29日,30.)。在美国,朱镕基et al。(31日人数下降)发现面对面相遇在精神开放的保健与增加远程医疗的邂逅。

在当前的研究中只有瑞典和挪威的数据包含的信息程度的初级医疗保健遇到提供面对面的协商或通过距离。挪威瑞典磋商CMD距离增加了74%,增加了117%,这有助于保持利率在2020年在挪威瑞典尽管利率下降。大胆的,假设当前的荷兰数据反映了类似的增加tele磋商之前报道来自荷兰(16),这样可以提供一个解释为什么我们观察到维护CMD利率在荷兰。进一步的研究应该调查的虚拟化程度如何防止下降求医行为中那些有需要的人。

关于年龄和性别在公关依赖模式的变化在2020年(表2),我们看到国家特定的趋势。先前的文献报道不同的年龄和性别依赖的CMD的变化模式。类似于荷兰,我们观察到在英国(11)和西班牙(14CMD PRs)最大的下降在2020年发生在年轻女性(尤其是人生活在最贫困的城市)。

在调查控制措施,CMD水平没有显著相关。此外,我们学校没有证实我们的假设限制诱导CMD变化相应年龄组上学儿童或他们的父母。不管是否真的有这样的协会,有几种方法,减少了统计灵敏度检测任何挑战。首先,政策指数和大流行的哑变量控制用于非特异性因素高度相关,防止独特的差异归因于政策指标。各种影响因素涉及的大流行应对精神卫生保健的利用率。等混杂因素是不可避免的在quasi-naturalistic实验提出的随机对照设计的流行是不可行的。在最好的情况下,进一步变量用于控制类干扰效果可以使用,虽然相对稀疏的数据点(约60个,其中只有9偏离基线的0′s)防止太复杂模型和自由度的损失。

其次,假设一个真正的政策和精神健康结果之间因果关系存在,两者之间的时间动态是未知的。在这里,我们试图与月度项CMD围堵措施的情况下,中值相同的月。然而,它仍然是一个悬而未决的问题暴露之间的延迟时间,例如学校限制和规定的心理健康后果。第三,暴露之间的关系的性质和结果是未知的。在缺乏其他证据,我们吝啬地检测线性关系。随后,在一个事后灵敏度分析我们还测试了二次关系。然而,可能存在非线性关系和切断点更好的捕捉到协会,我们再一次,由于相对较少的数据点会缺乏适当的调查统计力量。最后,该指数与不确定性有关。虽然以前的研究成功地使用当前政策指标为研究各种流行的相关问题(32,33),噪声指标使检测重要的关联更加困难。

鉴于政策的高度相关指标的影响也就不足为奇了每级相似的,可以忽略不计。为单位增加社会距离(包括0 - 100),十分流行数量增加2.4人/ 100000年挪威person-months (n)和6.6个人在瑞典(n)。相同的社会距离的变化与每100000年拉脱维亚和person-months 9.2病例减少6例在荷兰(n)。还需要进一步的研究来建立政策其最大影响心理健康,告知选择控制策略在未来的大流行,在感染控制增益最大化同时最小化对心理健康有害的副作用。

4.1。解释医疗利用的变化

国家差异的变化在CMD保健流行是由于变化的实际需要(接触压力的变化引起的孤立,经济困难,但也减少了时间上下班,和在日常生活中减少压力等)和不同COVID-19限制政策。国际流行的差异变化而且调制通过国家特定组织的卫生保健系统(例如,在初级卫生保健服务的虚拟化程度)和文化影响因素寻求帮助的行为。

初级保健任何障碍的患病率下降了15 - 25%之间的前2个月大流行的四个国家,到2020年下半年之后正常化(补充图3)。最初的CMD保健患病率下降的一个主要驱动因素中观察到所有国家但拉脱维亚一般锁定后医疗系统中断。初级保健部分分配给COVID-19保健,让少资源急性病。此外,个人可能推迟医疗寻求由于恐惧,避免加重感染的健康服务。研究明确调查确认增加医疗行为不愿利用医疗尽管需要这样做。荷兰调查中超过5000人20.2%避免医疗报告尽管需要(32),类似于什么也已报告在匈牙利(33)。因此,有强有力的证据表明,至少有部分的下降在CMD保健流行是由流感大流行期间避免护理而不是减少需求,尤其是早期的证据表明全球增长CMD患病率约25% (34)。

4.2。优势和局限性

当前研究的主要优势是比较寄存器的数据敏感的心理健康结果,覆盖人口代表月度数据来自7.64亿多个主要医疗遇到疾病(不管),用于修饰或说明有超过3100万人居住在四个国家(2020年12月)。预测的相对较长的时间序列允许患病率考虑季节性和长期趋势。据我们所知,这是最大的大流行性流感相关评价CMD患病率的变化在初级保健迄今为止,第一个研究调查多个国家精神卫生保健利用率的变化,使用类似的结果指标。此外,使用国家特定指标量化控制措施的程度相关的尺寸,目前的研究提供了一个初始尝试评估公共政策的影响心理健康。

对我们的研究有几个局限性。首先,健康状况可能不同国家的数据质量和可能在同一个国家。由于数据提供者不愿意发送微数据,我们要求聚合数据,尽管详细规格,根据提取的数据我们可能不同。其次,我们不能单独真正需要或CMD利率的变化引发的大流行的混杂因素的医疗利用率的变化(例如,由于访问和医疗寻求行为无关的需要)。因此,任何结论流感大流行的影响和相关的控制措施基于公共精神卫生保健使用数据是有限的。第三,健康的影响控制措施可能会被推迟。评估政策影响最大的,数据从更多的国家允许随机效应分析需要。最后,我们分析方法依赖于观测数据与预测数据的对比,这取决于我们的预测的准确性。尽管ARIMA模型是一个被证明有效的分析方法对时间序列的预测,预测精度将受益于长时间序列,前两大流行性流感大流行期间,特别是当患病率相关控制措施。

4.3。未来的发展方向

规避限制初级保健利用固有的数据,未来的研究应该结合不同的健康状况呈现更全面的流行引起公共精神健康的变化。此外,长时间的一系列医疗利用的国家将允许随机效应分析和更健壮的检测限制政策之间的联系和变化的心理健康。

5。结论

总之,所有国家但拉脱维亚显示一个戏剧性的减少CMD患病率在初级保健在第一个月的封锁。而挪威和荷兰于2020年秋天规范化水平,水平仍然高企在拉脱维亚和低通过今年在瑞典。

突然减少CMD患病率在初级保健表示未满足的需求。然而,除了拉脱维亚,当前结果不确认任何大流行CMD一般人口中增加有关。我们可以令人信服地证实任何控制措施研究和心理健康之间的关联的总人口,或学校限制孩子们的心理健康。

然而有明显的年龄和性别依赖的CMD模式变化,那里的年轻人经历了大幅下跌CMD整个2020年在所有国家,除了在瑞典,反向观察年龄的影响。CMD保健流行轨迹国与国之间的差异和人口群体是有趣的,需要进一步调查。结合公共精神健康数据,如处方率、人口筛查的CMD和自杀率有助于区分医疗避免的干扰与真正需要的变化。精神卫生干预时这将是有价值的优化和资源分配来满足的需求主要受影响的人群。

数据可用性声明

原始数据支持了本文的结论将由作者提供,没有过度的预订。

道德声明

涉及人类受试者的研究回顾和瑞典伦理审查批准的权威,瑞典乌普萨拉。从参与者的法定监护人书面知情同意/近亲不要求参加本研究按照国家法律和制度需求。

作者的贡献

PF:研究设计、概念化、数据收集、数据分析、可视化和准备初稿。CD:概念化。可,公里,和路:数据收集。英国电信、电脑和EP:咨询统计分析和访问控制测量指标。所有作者的文章和批准提交的版本。

资金

这项研究已经由欧盟资助的地平线2020研究和创新计划,根据授权协议通过潜望镜项目101016233。

确认

我们感谢慷慨的数据提供者在瑞典(斯德哥尔摩郡,西Gotaland县史县和Ostergotland县)、挪威(Eyvind Helland Helsedirektoratet)、荷兰(泰Jansen,坏胆固醇),和拉脱维亚(Dzintars Mozgis,疾病预防和控制中心)。

的利益冲突

作者声明,这项研究是在没有进行任何商业或财务关系可能被视为一个潜在的利益冲突。

出版商的注意

本文表达的所有索赔仅代表作者,不一定代表的附属组织,或出版商、编辑和审稿人。任何产品,可以评估在这篇文章中,或声称,可能是由其制造商,不保证或认可的出版商。

补充材料

本文的补充材料在网上可以找到:https://www.雷竞技rebatfrontiersin.org/articles/10.3389/fpsyt.2022.1045325/full补充材料

脚注

1. ^https://github.com/saudiwin/corona_index

引用