The impact of the COVID-19 pandemic on mental health disorders through the use of real-world data

Abstract

Des de la seva aparició a finals de 2019, la pandèmia de la malaltia per coronavirus (COVID-19) ha estat una emergència social i de salut sense precedents. Les incerteses i reptes derivats de la pandèmia han generat preocupacions importants sobre la salut mental de la població. Les dades del món real, i més concretament les històries clíniques electròniques, van ser ràpidament identificades com un recurs valuós per abordar algunes de les qüestions plantejades per la pandèmia. No obstant això, les diferències en l'estructura i la terminologia de les bases de dades en salut van limitar la rapidesa i transparència amb què es van dur a terme estudis observacionals amb múltiples bases de dades. L'objectiu d'aquesta Tesi va ser investigar l'impacte de la pandèmia de la COVID-19 en els trastorns mentals mitjançant l'ús de dades del món real.

Primer, vam proporcionar una descripció extensa de la transformació de la base de dades del Sistema d'Informació per a la Investigació en Atenció Primària (SIDIAP) de Catalunya (Espanya) al model comú de dades Observational and Medical Outcomes Partnerships (OMOP). A més, vam desenvolupar una eina analítica per donar suport a l'anàlisi d'incidència i prevalença en bases de dades transformades a aquest estàndard. Posteriorment, vam utilitzar dades OMOP per analitzar els efectes de la pandèmia en les taxes d'incidència de trastorns mentals diagnosticats a l'atenció primària. En concret, vam descriure els canvis en la incidència dels trastorns d'ansietat, la depressió i els trastorns de conducta alimentària a Catalunya, i vam quantificar l'efecte de la pandèmia a llarg termini en la depressió i la prescripció d'antidepressius a Catalunya, els Països Baixos i el Regne Unit.

En línia amb altres estudis, vam observar reduccions importants en els trastorns mentals registrats a l'atenció primària durant les primeres etapes de la pandèmia. Les reduccions observades van variar en magnitud en funció dels problemes de salut i dels estudis, tot i que, en general, van ser temporals. En la majoria dels casos, les taxes van recuperar progressivament els nivells anteriors a la pandèmia pocs mesos després del seu inici. No obstant això, els nostres resultats podrien indicar una reducció sostinguda en la detecció de depressió al Regne Unit, fet que podria indicar una necessitat d'atenció mèdica no satisfeta. Per contra, la incidència dels trastorns de conducta alimentària va augmentar de manera preocupant després del confinament, afectant especialment a les noies adolescents.

Els resultats d'aquesta Tesis demostren el valor de les dades del món real, especialment quan s'estandarditzen a un model comú de dades, per produir informació rellevant i oportuna per orientar polítiques de salut pública. Els nostres descobriments també destaquen la necessitat d'una vigilància contínua per monitorar els efectes de la pandèmia sobre els problemes de salut mental a llarg termini.

Desde su aparición a finales de 2019, la pandemia causada por la enfermedad del coronavirus 2019 (COVID-19) ha sido una emergencia social y de salud sin precedentes. Las incertidumbres y desafíos derivados de la pandemia han generado preocupaciones importantes sobre la salud mental de la población. Los datos del mundo real, y más específicamente las historias clínicas electrónicas, fueron rápidamente identificados como un recurso valioso para abordar algunas de las preguntas planteadas por la pandemia. No obstante, las disparidades en la estructura y terminología de las bases de datos en salud limitaron la rapidez y transparencia con la que se llevaron a cabo estudios observacionales con múltiples bases de datos. El objetivo de esta Tesis fue investigar el impacto de la pandemia de COVID-19 en los trastornos mentales utilizando datos del mundo real.

Primero, proporcionamos una descripción extensa de la transformación de la base de datos del Sistema de Información para la Investigación en Atención Primaria (SIDIAP) de Cataluña (España) al modelo común de datos Observational and Medical Outcomes Partnerships (OMOP). Además, desarrollamos una herramienta analítica para facilitar el análisis de incidencia y prevalencia de conjuntos de datos mapeados a este modelo común de datos. Posteriormente, utilizamos datos OMOP para analizar los efectos de la pandemia en las tasas de incidencia de trastornos mentales diagnosticados en atención primaria. En concreto, describimos cambios en la incidencia de los trastornos de ansiedad, depresión y trastornos de conducta alimentaria en Cataluña, y cuantificamos el efecto de la pandemia a largo plazo en la depresión y la prescripción de antidepresivos en Cataluña, los Países Bajos y el Reino Unido.

En línea con otros estudios, observamos reducciones importantes en los trastornos mentales registrados en atención primaria durante las primeras etapas de la pandemia. Las reducciones observadas variaron en magnitud según los problemas de salud y los estudios, aunque generalmente fueron temporales. En la mayoría de casos, las tasas volvieron progresivamente a los niveles anteriores a la pandemia pocos meses después de su comienzo. Sin embargo, nuestros resultados indican una reducción sostenida en la detección de depresión en el Reino Unido, lo que puede indicar una necesidad de atención médica no satisfecha. Por el contrario, la incidencia de trastornos alimentarios aumentó de manera preocupante después del confinamiento, afectando especialmente a las chicas adolescentes.

Los resultados de esta Tesis demuestran el valor de los datos del mundo real, especialmente cuando se estandarizan a un modelo común de datos, para producir información relevante y oportuna para orientar políticas de salud pública. Nuestros descubrimientos también subrayan la necesidad de una vigilancia continua para monitorizar los efectos de la pandemia sobre los problemas de salud mental a largo plazo.

Since its outbreak at the end of 2019, the pandemic caused by the coronavirus disease 2019 (COVID-19) has been an unprecedented social and health emergency. The uncertainties and challenges resulting from the pandemic raised substantial concerns about population mental health. Real-world data, and more specifically electronic health records, quickly emerged as a valuable resource to tackle some of the questions raised by the pandemic. However, disparities in healthcare database structure and terminology limited the timeliness and transparency with which observational studies with multiple databases were conducted. The aim of this Thesis was to investigate the impact of the COVID-19 pandemic on mental disorders using real-world data.

First, we provided an extensive description of the transformation of the Information System for Research in Primary Care (SIDIAP) database from Catalonia, Spain, to the Observational and Medical Outcomes Partnerships (OMOP) common data model. In addition, we developed an analytical tool to support the analysis of incidence and prevalence among datasets mapped to this standard. Then, we used OMOP-formatted data to analyse the effects of the pandemic on incidence rates of mental disorders diagnosed in primary care settings. Specifically, we described changes in the incidence of anxiety disorders, depression, and eating disorders in Catalonia, Spain, and we quantified the long-term effect of the pandemic in depression and antidepressant prescribing in Catalonia, the Netherlands, and the United Kingdom (UK).

Consistent with other studies, we observed substantial reductions in primary care-recorded mental disorders during the early stages of the pandemic. The observed reductions varied in size across different outcomes and studies but were generally temporary, with rates returning to pre-pandemic levels in the subsequent months in most cases. However, our results indicate a long-standing reduction in the detection of depression in the UK, which could indicate an unresolved health care need. Meanwhile, the incidence of eating disorders experienced an alarming increase after lockdown, especially affecting adolescent girls.

The findings of this Thesis demonstrate the value of real-world data, especially when standardised to a common data model, for producing relevant and timely information to inform public health policies. Our findings also underscore the need for ongoing surveillance to monitor the long-term effects of the pandemic on mental health problems.