There is minimal knowledge about the impact of large-scale epidemics on community mental health, particularly during the acute phase. This gap in knowledge means we are critically ill-equipped to support communities as they face the unprecedented COVID-19 pandemic. This study aimed to provide data urgently needed to inform government policy and resource allocation now and in other future crises. The study was the first to survey a representative sample from the Australian population at the early acute phase of the COVID-19 pandemic. Depression, anxiety, and psychological wellbeing were measured with well-validated scales (PHQ-9, GAD-7, WHO-5). Using linear regression, we tested for associations between mental health and exposure to COVID-19, impacts of COVID-19 on work and social functioning, and socio-demographic factors. Depression and anxiety symptoms were substantively elevated relative to usual population data, including for individuals with no existing mental health diagnosis. Exposure to COVID-19 had minimal association with mental health outcomes. Recent exposure to the Australian bushfires was also unrelated to depression and anxiety, although bushfire smoke exposure correlated with reduced psychological wellbeing. In contrast, pandemic-induced impairments in work and social functioning were strongly associated with elevated depression and anxiety symptoms, as well as decreased psychological wellbeing. Financial distress due to the pandemic, rather than job loss per se, was also a key correlate of poorer mental health. These findings suggest that minimizing disruption to work and social functioning, and increasing access to mental health services in the community, are important policy goals to minimize pandemic-related impacts on mental health and wellbeing. Innovative and creative strategies are needed to meet these community needs while continuing to enact vital public health strategies to control the spread of COVID-19.

Introduction: Glycemic profiles of uncomplicated pregnancies throughout gestation are not well described, especially glycemic patterns after meals. Methods: Participants were asked to wear blinded CGM throughout gestation, with a subset volunteering to record on a smartphone app the time meals began. Pregnancies without large for gestational age, hypertensive disorders, gestational diabetes based on OGTT, or HbA1c ≥5.7% defined uncomplicated pregnancies. Results: Among 157 participants with uncomplicated pregnancies, mean fasting glucose was 88 ± 14 mg/dL, mean postprandial peak was 126 ± 22 mg/dL, and mean glucose excursion (<4 hours) was 36 ± 22 mg/dL; these metrics were similar throughout gestation. Median time to peak glucose was 62 (IQR: 40 to 124) min. Average glucose was 87, 89, and 94 mg/dL before breakfast, lunch, and dinner, respectively, but the excursion was similar across meals. Postprandial metrics were similar for those with vs. without LGA; however, in those with HDP, glycemic excursion was higher compared to participants without HDP (40 ± 22 vs. 36 ± 22 mg/dL, p<0.001, Table 1). Conclusions: Postprandial glucose excursions during uncomplicated pregnancies demonstrate a relatively preserved time to peak glucose and amount of glucose excursion throughout gestation. Postprandial glucose excursions may be elevated in participants with HDP vs. without HDP. Disclosure A.L. Carlson: Research Support; Medtronic, Insulet Corporation, Tandem Diabetes Care, Inc., Eli Lilly and Company, Sanofi. Other Relationship; Novo Nordisk. Advisory Panel; MannKind Corporation. Research Support; Dexcom, Inc. Z. Li: None. R. Beck: Consultant; Insulet Corporation. Research Support; Insulet Corporation. Consultant; Tandem Diabetes Care, Inc. Research Support; Tandem Diabetes Care, Inc. Consultant; Beta Bionics, Inc. Research Support; Beta Bionics, Inc., Dexcom, Inc., Bigfoot Biomedical, Inc. Consultant; Novo Nordisk. Research Support; Novo Nordisk, Eli Lilly and Company. Consultant; embecta, Vertex Pharmaceuticals Incorporated, Hagar, Ypsomed AG, Sanofi, Zucara Therapeutics, Sequel. C. Durnwald: Consultant; Dexcom, Inc. Research Support; Dexcom, Inc. E. Norton: None. R.M. Bergenstal: Other Relationship; Abbott. Research Support; Arkray Marketing. Consultant; Ascensia Diabetes Care, Bigfoot Biomedical, Inc., CeQur. Other Relationship; Dexcom, Inc., Eli Lilly and Company. Consultant; embecta, Hygieia. Research Support; Insulet Corporation. Consultant; MannKind Corporation. Other Relationship; Medtronic, Novo Nordisk. Consultant; Onduo LLC, Roche Diabetes Care. Other Relationship; Sanofi. Research Support; Tandem Diabetes Care, Inc. Other Relationship; UnitedHealth Group. Consultant; Vertex Pharmaceuticals Incorporated, Zealand Pharma A/S. M.L. Johnson: Research Support; Abbott, Lilly Diabetes, National Institute of Diabetes and Digestive and Kidney Diseases, Novo Nordisk, Medtronic, Dexcom, Inc., Leona M. and Harry B. Helmsley Charitable Trust. Consultant; Jaeb Center for Health Research. Research Support; Patient-Centered Outcomes Research Institute, Jaeb Center for Health Research. S.M. Dunnigan: Research Support; Jaeb Center for Health Research, Patient-Centered Outcomes Research Institute, National Institute of Diabetes and Digestive and Kidney Diseases. M. Banfield: None. K.J. Krumwiede: None. J. Sibayan: None. P. Calhoun: None. Funding Study funding was provided by The Leona M. and Harry B. Helmsley and UnitedHealth Group. Dexcom provided the devices used in the study.

Objective: To assess the performance of continuous glucose monitoring (CGM) metrics in predicting development of gestational diabetes mellitus (GDM) and adverse pregnancy outcomes. Methods: In a prospective observational study, CGM data were collected from 760 pregnant participants. Predictive CGM-based models were built using logistic and elastic net regression. Predictive performance was assessed by the area under the receiver operating characteristic curve (AUROC). Results: The AUROCs of using 2nd trimester % time >140 mg/dL (TA140) and week 13-14 TA140 in predicting GDM were 0.81 and 0.74, respectively. The AUROCs for predicting large for gestational age births (LGA) and hypertensive disorders of pregnancy (HDP) using 2nd trimester TA140 were both 0.58. Adding multiple predictors to the models did not meaningfully improve AUROC. When matching the specificity of OGTT, a model using TA140 in weeks 13-14 achieved similar sensitivity to OGTT in predicting HDP (13% vs. 10%, respectively) and LGA (6% for both) (Figure). Conclusion: CGM metrics such as TA140 predicted GDM with high AUROCs as early as 13-14 weeks’ gestation. CGM metrics at 13-14 weeks were statistically similar to OGTT at 24-28 weeks in predicting APOs although sensitivity was low for both. CGM could potentially be used as an alternative to OGTT and/or an early screening tool for elevated hyperglycemia during gestation. Disclosure Z. Li: None. R. Beck: Consultant; Insulet Corporation. Research Support; Insulet Corporation. Consultant; Tandem Diabetes Care, Inc. Research Support; Tandem Diabetes Care, Inc. Consultant; Beta Bionics, Inc. Research Support; Beta Bionics, Inc., Dexcom, Inc., Bigfoot Biomedical, Inc. Consultant; Novo Nordisk. Research Support; Novo Nordisk, Eli Lilly and Company. Consultant; embecta, Vertex Pharmaceuticals Incorporated, Hagar, Ypsomed AG, Sanofi, Zucara Therapeutics, Sequel. C. Durnwald: Consultant; Dexcom, Inc. Research Support; Dexcom, Inc. A.L. Carlson: Research Support; Medtronic, Insulet Corporation, Tandem Diabetes Care, Inc., Eli Lilly and Company, Sanofi. Other Relationship; Novo Nordisk. Advisory Panel; MannKind Corporation. Research Support; Dexcom, Inc. E. Norton: None. R.M. Bergenstal: Other Relationship; Abbott. Research Support; Arkray Marketing. Consultant; Ascensia Diabetes Care, Bigfoot Biomedical, Inc., CeQur. Other Relationship; Dexcom, Inc., Eli Lilly and Company. Consultant; embecta, Hygieia. Research Support; Insulet Corporation. Consultant; MannKind Corporation. Other Relationship; Medtronic, Novo Nordisk. Consultant; Onduo LLC, Roche Diabetes Care. Other Relationship; Sanofi. Research Support; Tandem Diabetes Care, Inc. Other Relationship; UnitedHealth Group. Consultant; Vertex Pharmaceuticals Incorporated, Zealand Pharma A/S. M.L. Johnson: Research Support; Abbott, Lilly Diabetes, National Institute of Diabetes and Digestive and Kidney Diseases, Novo Nordisk, Medtronic, Dexcom, Inc., Leona M. and Harry B. Helmsley Charitable Trust. Consultant; Jaeb Center for Health Research. Research Support; Patient-Centered Outcomes Research Institute, Jaeb Center for Health Research. S.M. Dunnigan: Research Support; Jaeb Center for Health Research, Patient-Centered Outcomes Research Institute, National Institute of Diabetes and Digestive and Kidney Diseases. M. Banfield: None. K.J. Krumwiede: None. J. Sibayan: None. P. Calhoun: None. Funding Study funding was provided by The Leona M. and Harry B. Helmsley and UnitedHealth Group. Dexcom provided the devices used in the study.

Mental health research priority-setting has a long history internationally. Many of these studies use expert panels or consensus methods across multiple mental health stakeholder groups. Whilst such approaches are designed to produce agreed research priorities, there is a risk that the specific and nuanced priorities of less powerful groups, especially those with lived experience of mental health issues, are lost in translation. We aimed to develop Australian mental health research priorities from the perspectives of people living with mental ill-health and their carers, families and kinship group members. A cross-sectional, open-ended survey was conducted nationally in Australia during January and February 2022. We asked participants to list three priorities on which mental health research should focus. Responses were analysed using Leximancer, a text analytics tool, to examine the concepts and their connections across the data. A total of 365 people with lived experience of mental ill-health participated in the survey. The majority (57%) identified as consumers, with 14% identifying as carers and 29% reporting both types of lived experience. Participants were from all Australian states and territories and from metropolitan, regional and remote areas. The Leximancer analysis generated 30 concepts in six thematic priority areas. The most prominent themes were experience, treatment and impact, followed by stigma, peer and trauma. The concept maps displayed complex connections and interrelationships between specific concepts, with lived experience a large and central concept. Analysis of the textual responses emphasised the importance of examining specifics, as the nuanced research priorities traversed themes and concept across the maps. This project provides robust evidence on the central importance of experience as driving mental health lived experience research priorities. Further, it demonstrates that people with lived experience describe the key issues in complex, interrelated ways that require multi-factorial research approaches to address.