Des baisses marquées de la santé mentale de la population ont été observées dans plusieurs pays après le début de la pandémie de COVID-19. Dans huit pays (Chine, Espagne, Italie, Iran, États-Unis, Turquie, Népal et Danemark), des taux relativement élevés de trouble anxieux, de dépression, de trouble de stress post-traumatique, de détresse psychologique et de stress ont été signalés depuis le début de la pandémie.1
- Xiong J
- Lipsitz O
- Nasri F
- et coll
Impact de la pandémie de COVID-19 sur la santé mentale dans la population générale : une revue systématique.
En utilisant un échantillon aléatoire avec des données prépandémiques, nous avons précédemment signalé que la prévalence des niveaux cliniquement significatifs de détresse mentale était 50% plus élevée qu'avant la pandémie un mois après l'introduction des mesures de verrouillage au Royaume-Uni (avril 2020).2
- Pierce M
- Espoir H
- Ford T
- et coll
Santé mentale avant et pendant la pandémie COVID-19 : une enquête longitudinale par sondage probabiliste de la population britannique.
Au fur et à mesure que la pandémie se développe, l'intérêt se tourne vers la façon dont les circonstances changeantes ont affecté la santé mentale des gens et si les premiers indicateurs annoncent une mauvaise santé mentale persistante et des besoins cliniques non satisfaits en augmentation. Des études évaluant les tendances de la santé mentale depuis le début de la pandémie ont signalé des symptômes de trouble anxieux, de dépression et de solitude en constante amélioration depuis mai 2020.3
- Fancourt D
- Steptoe A
- Bu F
Trajectoires d'anxiété et de symptômes dépressifs lors de l'isolement forcé en raison du COVID-19 : analyses longitudinales de 36 520 adultes en Angleterre.
4
- Bu F
- Steptoe A
- Fancourt D
Solitude pendant un verrouillage strict: trajectoires et prédicteurs pendant la pandémie COVID-19 chez 38217 adultes au Royaume-Uni.
5
- Varga TV
- Bu F
- Dissing AS
- et coll
Solitude, inquiétudes, anxiété et comportements de précaution en réponse à la pandémie COVID-19 : une analyse longitudinale de 200 000 Européens de l'Ouest et du Nord.
Cependant, ces études présentent des problèmes méthodologiques liés à l'échantillonnage, à l'ajustement et aux mesures de santé mentale. Premièrement, ces études ont utilisé des échantillons de convenance, ce qui signifie qu'ils ne peuvent pas être correctement ajustés pour tenir compte du biais d'échantillonnage et sont donc considérés comme de mauvais outils pour estimer les statistiques démographiques.6
- Pierce M
- McManus S
- Jessop C
- et coll
Dit qui? L'importance de l'échantillonnage dans les enquêtes sur la santé mentale pendant le COVID-19.
7
- Benzeval M
- Burton J
- Crossley TF
- et coll
Collecte de données en ligne à haute fréquence dans une étude annuelle de panel sur les ménages: quelques preuves sur la prévention et l'ajustement des biais.
Deuxièmement, de nombreuses études présentent une attrition considérable au fil du temps, et les personnes ayant une mauvaise santé mentale sont plus susceptibles de décrocher, 8
- Czeisler MÉ
- Wiley JF
- Czeisler CA
- Rajaratnam SMW
- Howard ME
Découverte du biais de survie dans les enquêtes longitudinales sur la santé mentale.
résultant en une évaluation trop optimiste des tendances de la santé mentale. Troisièmement, de nombreuses études ont utilisé des indicateurs de santé mentale qui se limitaient aux symptômes survenus seulement au cours de la semaine précédente.9
- Saunders R
- Buckman JEJ
- Fonagy P
- Fancourt D
Comprendre les différentes trajectoires de la santé mentale dans la population générale pendant la pandémie COVID-19.
Un diagnostic clinique de trouble anxieux ou d'épisode dépressif nécessite que les symptômes soient constamment présents pendant au moins les 2 dernières semaines. Sinon, la fluctuation de la détresse psychologique couramment observée dans les populations en bonne santé pourrait devenir surestimée en tant que maladie clinique. La plupart des études ne disposent pas de données prépandémiques comparables, 10
- Thombs BD
- Bonardi O
- Riz DB
- et coll
La conservation des preuves sur la santé mentale pendant le COVID-19 : une revue systématique vivante.
ce qui est important pour comprendre si les augmentations aiguës de la détresse mentale dans la population sont revenues aux niveaux prépandémiques après le choc initial de son apparition. En outre, la trajectoire moyenne de l'ensemble de la population pourrait masquer des réponses variées à la pandémie - certains groupes pourraient être restés ou devenir de plus en plus vulnérables.
Recherche en contextePreuve avant cette étude
Nous avons recherché dans Embase, PsychINFO et MEDLINE des articles publiés en anglais entre le 1er janvier 2020 et le 31 janvier 2021, en utilisant des termes de recherche relatifs à la santé mentale ('psychiatr *' ou 'mental' ou 'détress' ou 'dépression' ou ' anxiété '), COVID (' covid 'ou' coronavirus 'ou' sars-cov-2) et analyse longitudinale ('trajector *' ou 'longitudinale' ou 'courbe latente'). Sur 496 études récupérées, 13 seulement ont mené une analyse des tendances. Des études avec une base de référence pré-pandémique ont montré que la santé mentale de la population s'est détériorée avec le début de la pandémie au Royaume-Uni, aux États-Unis, en Chine et dans les pays européens. La plupart des études ont été tirées d'échantillons de commodité, où les participants sont recrutés en fonction de la facilité d'accès. Des études britanniques sur les tendances depuis le début de la pandémie ont indiqué un schéma de rétablissement immédiat de la population dans son ensemble et dans tous les sous-groupes (indépendamment du sexe, de l'âge, du statut d'emploi et d'autres mesures de privation). Cependant, les études qui reposent sur le suivi d'échantillons de commodité pourraient être biaisées en faveur d'une tendance positive de la santé mentale, car l'attrition des études est plus probable chez les personnes dont la santé mentale est mauvaise ou se détériore.
Valeur ajoutée de cette étude
À l'aide d'une enquête d'échantillonnage longitudinale et probabiliste pour cartographier la santé mentale au cours des 6 premiers mois de la pandémie de COVID-10 au Royaume-Uni, nous avons trouvé les taux élevés de mauvaise santé mentale immédiatement après le début de la pandémie (24-30 avril 2020) ont été maintenus, avec des améliorations significatives ne se produisant qu'à partir de juillet 2020 (lorsque les écoles britanniques ont rouvert, les taux d'infection ont chuté et un assouplissement substantiel des mesures de verrouillage s'est produit). Cette étude a révélé que, bien que la plupart de la population soit restée résiliente ou ait réagi et récupéré au cours des 6 premiers mois de la pandémie, il existe deux groupes d'individus préoccupants. Dans un groupe, la santé mentale des individus s'est détériorée rapidement au début de la pandémie et n'a montré aucun signe de rétablissement; l'autre groupe comprenait des personnes dont la santé mentale s'est progressivement détériorée mois après mois pendant la pandémie. L'infection par le SRAS-CoV-2, des problèmes de santé physique ou mentale antérieurs et des difficultés financières ont prédit une détérioration ultérieure de la santé mentale pendant la pandémie.
Implications de toutes les preuves disponibles
Les pressions socio-économiques - à la fois la privation au niveau de la zone et les difficultés financières individuelles - sont apparues comme des facteurs de risque de détérioration de la santé mentale pendant la pandémie, soulignant la nécessité de politiques visant les inégalités socio-économiques dans la réponse au relèvement. L'infection confirmée par le SRAS-CoV-2 a également fortement prédit un déclin ultérieur de la santé mentale. Ces résultats fournissent des informations précieuses aux décideurs et aux planificateurs sur la probabilité que les besoins en services de santé mentale changent en raison de la pandémie.
Il y a des questions cruciales pour la santé mentale publique à savoir si de nouvelles disparités sont apparues dans la santé mentale de la population et, dans l'affirmative, dont la santé mentale a été mauvaise pendant la pandémie. Comprendre ces questions est essentiel pour offrir des interventions préventives aux personnes les plus à risque, identifier les besoins cliniques non satisfaits et anticiper des références supplémentaires pour des services. Des facteurs de risque courants de détérioration de la santé mentale au cours de la phase initiale de la pandémie ont été signalés, notamment être une femme, être plus jeune (≤40 ans), avoir une maladie physique ou mentale chronique, être au chômage et être fréquemment exposé aux médias sociaux ou couverture médiatique de COVID-19.1
- Xiong J
- Lipsitz O
- Nasri F
- et coll
Impact de la pandémie de COVID-19 sur la santé mentale dans la population générale : une revue systématique.
La plupart de ces facteurs de risque étaient associés à une mauvaise santé mentale avant le COVID-19. Dans les premières phases de la pandémie, les jeunes, les femmes et les parents vivant avec des enfants d'âge préscolaire ont vu leur santé mentale diminuer plus que la moyenne (mesurée par le questionnaire général sur la santé en 12 points [GHQ-12]) par rapport aux résultats des études prépandémiques.2
- Pierce M
- Espoir H
- Ford T
- et coll
Santé mentale avant et pendant la pandémie COVID-19 : une enquête longitudinale par sondage probabiliste de la population britannique.
On ne sait pas si ces groupes et caractéristiques sont associés à une détresse psychologique soutenue alors que la pandémie se poursuit. De plus, bien que certains des déterminants de l'aggravation de la santé mentale aient pu reculer après le choc précoce du déclenchement de la pandémie et l'assouplissement initial du verrouillage national, certains pourraient avoir persisté, par exemple, l'infection par le SRAS-CoV-2,11
- Taquet M
- Geddes JR
- Husain M
- Luciano S
- Harrison PJ
Résultats neurologiques et psychiatriques à 6 mois chez 236379 survivants du COVID-19 : une étude de cohorte rétrospective utilisant des dossiers de santé électroniques.
mesures de confinement localisées et insécurité financière.12
- Chandola T
- Kumari M
- Booker CL
- Benzeval M
L'impact sur la santé mentale du COVID-19 et des facteurs de stress liés au verrouillage chez les adultes au Royaume-Uni.
Nous avons utilisé un large échantillon de panel longitudinal, qui était représentatif de la population générale adulte du Royaume-Uni, dans le but global de décrire les tendances de la population en matière de santé mentale au cours des 6 premiers mois de la pandémie, en général et par âge et sexe.
Nous visions à identifier des trajectoires distinctes en santé mentale au cours de cette période, à décrire les caractéristiques des individus au sein de chaque trajectoire de santé mentale distincte et à identifier les adversités qui prédisent une détérioration de la santé mentale pendant la pandémie.
Méthodes
Conception de l'étude et participants
Understanding Society, UK Household Longitudinal Study (UKHLS) est une vaste enquête nationale basée sur les probabilités qui collecte des données en continu depuis janvier 2009.13University of EssexInstitute for Social and Economic ResearchNatCen Social ResearchKantar PublicUnderstanding society : waves 1-9, 2009 –2018 et BHPS harmonisé : vagues 1–18, 1991–2009 [data collection].
L'échantillon est représentatif de la population britannique, comprenant des échantillons stratifiés en grappes de ménages en Angleterre, en Écosse et au Pays de Galles et un échantillon aléatoire systématique non en grappes en Irlande du Nord. Les zones avec des populations de migrants et de minorités ethniques proportionnellement importantes ont été suréchantillonnées. Les questionnaires étaient disponibles en anglais et en gallois.Avant mars 2020, environ la moitié de la collecte de données se faisait en face à face et les données étaient collectées chaque année. Avec le début de la pandémie de COVID-19, l'enquête est passée en ligne, 14
- Burton J
- Lynn P
- Benzeval M
How Understanding Society : L'étude longitudinale britannique sur les ménages s'est adaptée à la pandémie COVID-19.
avec des collectes de données mensuelles, puis bimensuelles à partir de juillet 2020. Les membres du panel qui ont participé aux vagues 8 ou 9 (entre le 1er janvier 2016 et le 21 mai 2019) ont été invités à compléter une série de collectes de données en ligne la dernière semaine de chaque mois: du 24 au 30 avril, du 27 mai au 2 juin, du 25 juin au 1er juillet, du 24 au 31 juillet et du 24 septembre au 1er octobre 2020.Tous les membres du ménage âgés de 16 ans ou plus ont été invités à participer, à l'exception de ceux qui ne sont pas en mesure de prendre une décision éclairée en raison d'une incapacité et de ceux dont l'adresse postale ou l'adresse postale à l'étranger est inconnue. Les personnes âgées de 16 ans en avril 2020 n'étaient pas éligibles pour compléter l'UKHLS lors des vagues précédentes, mais ont participé à l'enquête COVID-19 si elles appartenaient à des ménages éligibles (c'est-à-dire ceux qui comptaient au moins un participant dans les deux vagues les plus récentes de l'enquête principale).
Des invitations ont été envoyées à 42 330 membres du panel. 17 761 ont participé en avril (un taux de réponse de 42,0%), 14 811 (35,0%) en mai, 14 123 (33,4%) en juin et 13 754 (32,5%) en juillet. Pour le sondage de septembre 2020, seuls les membres du panel qui avaient rempli au moins un sondage en ligne COVID ont été invités (66,4% de l'échantillon émis; 30,4% du panel éligible total). Les réponses ont été liées aux données prépandémiques de la vague 10 de l'enquête principale de Understanding Society (la plupart des participants interrogés entre janvier 2018 et décembre 2019). Les analyses ont utilisé des poids de non-réponse longitudinaux calculés et décrits en détail par les dépositaires des données. Version 5.0.
et muni de la vague de septembre. Des statistiques non pondérées et pondérées pour chaque vague et les schémas de non-réponse aux enquêtes en ligne COVID-19 sont fournis en annexe (pp 1–5).Les individus ont donné leur consentement éclairé oral pour participer à l'étude. L'approbation éthique a été accordée par le comité d'éthique de l'Université d'Essex pour les enquêtes Web et téléphoniques COVID-19 (ETH1920-1271).
Procédures
Nous avons calculé un score composite à partir de la somme des items du GHQ-12, qui est validé comme une mesure unidimensionnelle de la détresse psychologique au cours des 2 dernières semaines dans des populations non cliniques.16 Applications multiples du GHQ-12 dans un échantillon de population générale : une enquête des effets de retest à long terme.
Le GHQ-12 a été administré par auto-complétion à la vague 10 et dans chacune des cinq vagues d'enquête Web COVID-19. Les items font référence aux difficultés de sommeil, à la concentration, aux problèmes de prise de décision, à la tension, au sentiment de débordement et à d'autres indicateurs de détresse. Les items du GHQ-12 ont été notés comme suit: 0, pas du tout; 1, pas plus que d'habitude; 2, un peu plus que d'habitude; ou 3, beaucoup plus que d'habitude. Un score total a été calculé pour chaque vague (0–36). En plus du score total, utilisé lors de la génération d'un score moyen, une mesure binaire a été dérivée identifiant les personnes déclarant de la détresse dans au moins quatre des 12 items. Un score de 4 ou plus est utilisé pour indiquer un niveau de détresse mentale cliniquement pertinent.Les variables sociodémographiques comprenaient le sexe (femmes vs hommes), l'âge (16 à 24 ans, 25 à 34 ans, 35 à 44 ans, 45 à 54 ans, 55 à 69 ans et ≥ 70 ans) et l'appartenance ethnique (blanc britannique, blanc autre, mixte, asiatique, noir ou autre). La structure du ménage a saisi des indicateurs indiquant si le participant vivait avec un partenaire (oui ou non) et l'âge du plus jeune enfant vivant dans le ménage (pas d'enfants, 0 à 5 ans ou 6 à 15 ans). Le contexte au niveau de la zone a été capturé avec la géographie (Pays de Galles, Écosse, Irlande du Nord et région anglaise) et les quintiles en fonction des scores classés de l'indice de privation multiple (IMD), une mesure de la privation au niveau de la zone mappée sur les superficies de la couche inférieure (population médiane taille de 1500) qui n'était disponible que pour l'Angleterre. Ainsi, les analyses par quintile IMD ont été effectuées sur l'échantillon de résidents en Angleterre uniquement.
La présence d'un état mental préexistant a été identifiée à l'aide des précédentes vagues UKHLS par la question : «Un médecin ou un autre professionnel de la santé vous a-t-il diagnostiqué une maladie psychiatrique?» Des variables indicatrices ont été construites pour identifier les personnes qui avaient été invitées par le UK National Health Service à se protéger pendant la pandémie en raison d'une maladie physique sous-jacente ou d'un état de santé et celles qui se sont identifiées comme des travailleurs clés, qui ont été obligées de continuer à travailler dans certains secteurs pendant les verrouillages. Les adversités liées au COVID ont été capturées avec trois indicateurs. Le premier était le statut d'infection par le SRAS-CoV-2, s'appuyant sur les réponses aux questions sur les résultats de tout test de coronavirus qu'un participant avait eu, s'il soupçonnait mais n'avait pas confirmé qu'il avait contracté le virus et s'il avait eu des symptômes. Les réponses ont été classées comme suit: aucun cas suspect, cas suspect mais non confirmé et cas confirmé. Deuxièmement, nous avons créé une variable binaire pour indiquer si les participants ont eu des problèmes de paiement des factures pendant la pandémie. Cette variable n'était disponible que pour trois des cinq vagues liées au COVID. Enfin, la question de savoir si le participant vivait dans une zone avec des mesures de verrouillage locales a été déterminée (pour l'Angleterre uniquement) à l'aide du code des autorités locales. Cette variable a été mise en correspondance avec les dates auxquelles les participants avaient été mandatés pour subir une réimposition partielle ou totale de mesures pour contrôler la propagation du SRAS-CoV-2, ou le report de l'assouplissement planifié des restrictions, en réponse à un pic localisé d'infections.17 pour GovernmentCoronavirus: verrouillages locaux.
Une liste des autorités locales soumises à des restrictions de verrouillage local, leurs dates de mise en œuvre et une description des mesures de verrouillage au Royaume-Uni sont fournies en annexe (p. 6).
analyses statistiques
Les changements au niveau de la population du score moyen GHQ-12 et de la proportion d'individus présentant des niveaux cliniquement significatifs de détresse mentale pendant la pandémie ont été examinés graphiquement et comparés aux moyennes de la vague 10 (2018 à 2019). Nous avons construit des modèles mixtes de classes latentes pour identifier les trajectoires distinctes typiques de la santé mentale au cours de la pandémie à l'aide du programme Stata GLLAMM.18
- Rabe-Hesketh S
- Skrondal A
- Cornichons A
Ces modèles comprenaient des effets fixes pour le temps (paramétrés comme le temps depuis la première collecte de données COVID-19) et des variables aléatoires discrètes pour les classes latentes. Un modèle à quatre classes latentes a été initialement ajusté pour déterminer si un terme au carré pour le temps et une intersection et une pente aléatoires étaient un bon ajustement pour les données (comme indiqué par un test de rapport de vraisemblance). Une fois la forme fonctionnelle du modèle déterminée, les modèles ont été équipés d'une à sept classes latentes. Chaque modèle avec deux classes ou plus utilisait des valeurs de départ aléatoires du modèle avec une classe de moins et une technique de recherche par grille a été utilisée (avec 50 itérations) pour éviter que le modèle n'identifie des maxima locaux. critère d'information bayésien ajusté à la taille de l'échantillon, test ajusté du rapport de vraisemblance de Vuong-Lo-Mendell-Rubin et mesure de l'entropie. Les mesures du critère d'information bayésien ont utilisé une correction de la taille de l'échantillon pour tenir compte de la nature corrélée des données19Critère d'information bayésien pour les données longitudinales et groupées.
et la valeur statistique d'entropie a été normalisée.20 Contribution d'entropie spécifique à une variable.
En plus de ces statistiques d'ajustement, les modèles ont été comparés graphiquement pour examiner si un plus grand nombre de classes latentes fournissait une interprétation théorique plus claire des données.Après avoir sélectionné le meilleur modèle, les participants ont été classés selon leur groupe le plus probable et l'appartenance au groupe était croisée. tabulé avec des covariables de base. Pour tester l'association entre les covariables et l'appartenance latente à une classe, il était nécessaire de tenir compte de l'incertitude dans l'appartenance à un groupe d'individus. Cela a été fait en utilisant la procédure en trois étapes de Wang et de ses collègues 21.
- Wang C
- Marron CH
- Bandeen-roche K
- Ang CW
- Rown CHB
- Oche KBA
Diagnostic résiduel pour les modèles de mélange de croissance : examen de l'impact d'une intervention préventive sur de multiples trajectoires de comportement agressif.
qui impliquait la création de 10 ensembles de données imputés avec l'appartenance à une classe déterminée à l'aide d'une variable aléatoire créée à partir des probabilités postérieures du modèle mixte. Ensuite, un modèle de régression logistique multinomiale univariée a été ajusté à chaque ensemble de données imputées, avec l'appartenance à la classe comme variable dépendante. La valeur p pour l'association entre les covariables et l'appartenance à une classe a été déterminée à l'aide des règles de Rubin pour combiner le test f de chaque modèle. L'analyse de la trajectoire de classe latente a été rapportée conformément à la liste de contrôle des Lignes directrices pour le rapport sur les études de trajectoire latente (annexe p 7).1442 (7 · 3%) des 19 763 participants avaient des données de score GHQ-12 manquantes pour toutes leurs vagues COVID-19 et ont été exclus. Ceux pour lesquels des données GHQ-12 manquaient avaient une répartition par sexe et une prévalence antérieure de santé mentale similaires à celles de l'échantillon d'analyse, mais étaient plus jeunes et plus susceptibles de faire partie du quintile de défavorisation le plus bas au niveau de la zone (annexe p 5). Les variables sociodémographiques ont été croisées avec l'appartenance au groupe. Aucune covariable n'avait plus de 5% de données manquantes; toutes les données manquantes ont été exclues des tableaux croisés.Des modèles à effets fixes ont été ajustés aux scores GHQ-12 répétés des individus pour déterminer laquelle des trois variables d'adversité du COVID-19 était associée à un changement du score GHQ-12. Il s'agissait d'une infection confirmée ou suspectée par le SRAS-CoV-2; mesures de verrouillage locales; et signalé des problèmes de paiement des factures. Ces modèles comprenaient des paramètres pour le temps depuis la première vague de collecte de données (en tant que variable continue et son carré, tous deux avec p
