RESUMEN
BACKGROUND: Previous studies have shown a negative impact of the COVID-19 pandemic and its associated sanitary measures on mental health, especially among adolescents and young adults. Such a context may raise many concerns about the COVID-19 pandemic long-term psychological effects. An analysis of administrative databases could be an alternative and complementary approach to medical interview-based epidemiological surveys to monitor the mental health of the population. We conducted a nationwide study to describe the consumption of anxiolytics, antidepressants and hypnotics during the first year of the COVID-19 pandemic, compared to the five previous years. METHODS: A historic cohort study was conducted by extracting and analysing data from the French health insurance database between 1 January 2015 and 28 February 2021. Individuals were classified into five age-based classes. Linear regression models were performed to assess the impact of the COVID-19 pandemic period on the number of drug consumers, in introducing an interaction term between time and COVID-19 period. RESULTS: Since March 2020, in all five age groups and all three drug categories studied, the number of patients reimbursed weekly has increased compared to the period from January 2015 to February 2020. The youngest the patients, the more pronounced the magnitude. CONCLUSIONS: Monitoring the consumption of psychiatric medications could be of great interest as reliable indicators are essential for planning public health strategies. A post-crisis policy including reliable monitoring of mental health must be anticipated.
RESUMEN
Introduction: La reutilisation de donnees (recherche sur des donnees) permet generalement de constituer des cohortes historiques. Elle s'appuie sur une etape d'extraction de caracteristiques, qui simplifie les donnees avant l'analyse statistique. Quelles variables sont generalement utilisees ? Comment sont-elles transformees ? Nous analyserons des cohortes historiques traditionnelles (recherche sur des personnes). Methodes: Revue de la litterature: analyse de toutes les cohortes historiques publiees dans les quatre plus grands journaux generalistes en 2019 (pre-COVID), analyse des variables utilisees et de leurs transformations. Resultats: Les journaux sont: JAMA, BMJ, Lancet et NEJM. Ils ont publie 22 cohortes historiques sur des personnes en 2019, impliquant 660 variables, dont 570 explicatives (86,4 %) et 90 a expliquer (13,6 %). Onze articles (50,0 %) utilisent un modele de Cox. Les variables rencontrees decrivent le sexe (86,4 % des articles), l'age (81,8 %), d'autres informations demographiques (100 %), des maladies chroniques (86,4 %) ou aigues (50,1 %), des caracteristiques de l'hopital (18,2 %), d'autres informations liees au soin (72,7 %), des resultats de biologie (36,4 %), des medicaments (50 %), le deces (63,6 %). Nativement, elles sont binaires (62,6 %), quantitatives (21,3 %), qualitatives (12,6 %), ou purement temporelles (2,6 %). Les variables sont transformees pendant l'analyse. Les variables explicatives sont majoritairement temps-dependantes (465 soit 70,5 %), mais presque toutes considerees comme constantes lors de l'analyse (438 soit 94,1 % d'entre elles). En outre, 65 des 660 variables (9,8 %) changent de nature, principalement des variables quantitatives qui sont discretisees (43 des 147 variables quantitatives, soit 29,3 %). Discussion/Conclusion: Ces resultats nous orientent pour concevoir un cadre methodologique de reutilisation de donnees. Lecon 1: conserver le caractere quantitatif des variables explicatives n'est pas une priorite, ce qui s'explique par les hypotheses non-verifiees (linearite, log-linearite) et le besoin de seuils de decision. Lecon 2: les chercheurs gerent bien les variables a expliquer temps-dependantes (survie), mais pas les variables explicatives temps-dependantes. Il faut donc developper des methodes simples d'extraction de caracteristiques permettant de preserver le temps. Rappelons que, au fond, presque toutes les variables sont temps-dependantes. Mots-cles: Extraction de caracteristiques;Revue de la litterature;Reutilisation de donnees;Cohorte historique Declaration de liens d'interets: Les auteurs declarent ne pas avoir de liens d'interets.Copyright © 2023