People with severe mental illness (schizophrenia, bipolar disorder or major depressive disorder) die up to 15 years prematurely due to chronic somatic comorbidities. Sedentary behavior and low physical activity are independent yet modifiable risk factors for cardiovascular disease and premature mortality in these people. A comprehensive meta-analysis exploring these risk factors is lacking in this vulnerable population. We conducted a meta-analysis investigating sedentary behavior and physical activity levels and their correlates in people with severe mental illness. Major electronic databases were searched from inception up to April 2017 for articles measuring sedentary behavior and/or physical activity with a self-report questionnaire or an objective measure (e.g., accelerometer). Random effects meta-analyses and meta-regression analyses were conducted. Sixty-nine studies were included (N=35,682; 39.5% male; mean age 43.0 years). People with severe mental illness spent on average 476.0 min per day (95% CI: 407.3-545.4) being sedentary during waking hours, and were significantly more sedentary than age- and gender-matched healthy controls (p=0.003). Their mean amount of moderate or vigorous physical activity was 38.4 min per day (95% CI: 32.0-44.8), being significantly lower than that of healthy controls (p=0.002 for moderate activity, p<0.001 for vigorous activity). People with severe mental illness were significantly less likely than matched healthy controls to meet physical activity guidelines (odds ratio = 1.5; 95% CI: 1.1-2.0, p<0.001, I2 =95.8). Lower physical activity levels and non-compliance with physical activity guidelines were associated with male gender, being single, unemployment, fewer years of education, higher body mass index, longer illness duration, antidepressant and antipsychotic medication use, lower cardiorespiratory fitness and a diagnosis of schizophrenia. People with bipolar disorder were the most physically active, yet spent most time being sedentary. Geographical differences were detected, and inpatients were more active than outpatients and those living in the community. Given the established health benefits of physical activity and its low levels in people with severe mental illness, future interventions specifically targeting the prevention of physical inactivity and sedentary behavior are warranted in this population.

There is increasing academic and clinical interest in how “lifestyle factors” traditionally associated with physical health may also relate to mental health and psychological well‐being. In response, international and national health bodies are producing guidelines to address health behaviors in the prevention and treatment of mental illness. However, the current evidence for the causal role of lifestyle factors in the onset and prognosis of mental disorders is unclear. We performed a systematic meta‐review of the top‐tier evidence examining how physical activity, sleep, dietary patterns and tobacco smoking impact on the risk and treatment outcomes across a range of mental disorders. Results from 29 meta‐analyses of prospective/cohort studies, 12 Mendelian randomization studies, two meta‐reviews, and two meta‐analyses of randomized controlled trials were synthesized to generate overviews of the evidence for targeting each of the specific lifestyle factors in the prevention and treatment of depression, anxiety and stress‐related disorders, schizophrenia, bipolar disorder, and attention‐deficit/hyperactivity disorder. Standout findings include: a) convergent evidence indicating the use of physical activity in primary prevention and clinical treatment across a spectrum of mental disorders; b) emerging evidence implicating tobacco smoking as a causal factor in onset of both common and severe mental illness; c) the need to clearly establish causal relations between dietary patterns and risk of mental illness, and how diet should be best addressed within mental health care; and d) poor sleep as a risk factor for mental illness, although with further research required to understand the complex, bidirectional relations and the benefits of non‐pharmacological sleep‐focused interventions. The potentially shared neurobiological pathways between multiple lifestyle factors and mental health are discussed, along with directions for future research, and recommendations for the implementation of these findings at public health and clinical service levels.

As the COVID‐19 pandemic has largely increased the utilization of telehealth, mobile mental health technologies – such as smartphone apps, vir­tual reality, chatbots, and social media – have also gained attention. These digital health technologies offer the potential of accessible and scalable interventions that can augment traditional care. In this paper, we provide a comprehensive update on the overall field of digital psychiatry, covering three areas. First, we outline the relevance of recent technological advances to mental health research and care, by detailing how smartphones, social media, artificial intelligence and virtual reality present new opportunities for “digital phenotyping” and remote intervention. Second, we review the current evidence for the use of these new technological approaches across different mental health contexts, covering their emerging efficacy in self‐management of psychological well‐being and early intervention, along with more nascent research supporting their use in clinical management of long‐term psychiatric conditions – including major depression; anxiety, bipolar and psychotic disorders; and eating and substance use disorders – as well as in child and adolescent mental health care. Third, we discuss the most pressing challenges and opportunities towards real‐world implementation, using the Integrated Promoting Action on Research Implementation in Health Services (i‐PARIHS) framework to explain how the innovations themselves, the recipients of these innovations, and the context surrounding innovations all must be considered to facilitate their adoption and use in mental health care systems. We conclude that the new technological capabilities of smartphones, artificial intelligence, social media and virtual reality are already changing mental health care in unforeseen and exciting ways, each accompanied by an early but promising evidence base. We point out that further efforts towards strengthening implementation are needed, and detail the key issues at the patient, provider and policy levels which must now be addressed for digital health technologies to truly improve mental health research and treatment in the future.

To investigate the prevalence and risk factors for poor mental health of Chinese university students during the Corona Virus Disease 2019 (COVID-19) pandemic.Chinese nation-wide on-line cross-sectional survey on university students, collected between February 12th and 17th, 2020. Primary outcome was prevalence of clinically-relevant posttraumatic stress disorder symptoms. Secondary outcomes on poor mental health included prevalence of clinically-relevant anxiety and depressive symptoms, while posttraumatic growth was considered as indicator of effective coping reaction.Of 2,500 invited Chinese university students, 2,038 completed the survey. Prevalence of clinically-relevant PTSD, anxiety, and depressive symptoms, and post traumatic growth (PTG) was 30.8, 15.5, 23.3, and 66.9% respectively. Older age, knowing people who had been isolated, more ACEs, higher level of anxious attachment, and lower level of resilience all predicted primary outcome (all p < 0.01).A significant proportion of young adults exhibit clinically relevant posttraumatic stress disorder (PTSD), anxious or depressive symptoms, but a larger portion of individuals showed to effectively cope with COVID-19 pandemic. Interventions promoting resilience should be provided, even remotely, to those subjects with specific risk factors to develop poor mental health during COVID-19 or other pandemics with social isolation.

Decades of research have revealed numerous risk factors for mental disorders beyond genetics, but their consistency and magnitude remain uncer­tain. We conducted a “meta‐umbrella” systematic synthesis of umbrella reviews, which are systematic reviews of meta‐analyses of individual studies, by searching international databases from inception to January 1, 2021. We included umbrella reviews on non‐purely genetic risk or protective factors for any ICD/DSM mental disorders, applying an established classification of the credibility of the evidence: class I (convincing), class II (highly suggestive), class III (suggestive), class IV (weak). Sensitivity analyses were conducted on prospective studies to test for temporality (reverse causation), TRANSD criteria were applied to test transdiagnosticity of factors, and A Measurement Tool to Assess Systematic Reviews (AMSTAR) was employed to address the quality of meta‐analyses. Fourteen eligible umbrella reviews were retrieved, summarizing 390 meta‐analyses and 1,180 associations between putative risk or protective factors and mental disorders. We included 176 class I to III evidence associations, relating to 142 risk/protective factors. The most robust risk factors (class I or II, from prospective designs) were 21. For dementia, they included type 2 diabetes mellitus (risk ratio, RR from 1.54 to 2.28), depression (RR from 1.65 to 1.99) and low frequency of social contacts (RR=1.57). For opioid use disorders, the most robust risk factor was tobacco smoking (odds ratio, OR=3.07). For non‐organic psychotic disorders, the most robust risk factors were clinical high risk state for psychosis (OR=9.32), cannabis use (OR=3.90), and childhood adversities (OR=2.80). For depressive disorders, they were widowhood (RR=5.59), sexual dysfunction (OR=2.71), three (OR=1.99) or four‐five (OR=2.06) metabolic factors, childhood physical (OR=1.98) and sexual (OR=2.42) abuse, job strain (OR=1.77), obesity (OR=1.35), and sleep disturbances (RR=1.92). For autism spectrum disorder, the most robust risk factor was maternal overweight pre/during pregnancy (RR=1.28). For attention‐deficit/hyperactivity disorder (ADHD), they were maternal pre‐pregnancy obesity (OR=1.63), maternal smoking during pregnancy (OR=1.60), and maternal overweight pre/during pregnancy (OR=1.28). Only one robust protective factor was detected: high physical activity (hazard ratio, HR=0.62) for Alzheimer’s disease. In all, 32.9% of the associations were of high quality, 48.9% of medium quality, and 18.2% of low quality. Transdiagnostic class I‐III risk/protective factors were mostly involved in the early neurodevelopmental period. The evidence‐based atlas of key risk and protective factors identified in this study represents a benchmark for advancing clinical characterization and research, and for expanding early intervention and preventive strategies for mental disorders.

The Australian population aged 70 and above is increasing and imposing new challenges for policy makers and providers to deliver accessible, appropriate and affordable health care. We examine pre-COVID patterns of health loss between 1990 and 2019 to inform policies and practices.

This study evaluated the effects of different sources (sulfate vs. hydroxychloride) of Cu, Mn, and Zn during feed restriction and high-starch diet on heifer growth performance. On day 0, Nelore heifers (n = 40) were stratified by body weight (BW = 238 ± 38 kg) and age (21 ± 1 mo), and individually allocated into 1 of 40 drylot pens. The study was divided into periods of pen acclimation (day 0 to 27), nutrient surplus (day 28 to 55), nutrient restriction (day 56 to 83), and step-up adaptation to a high-starch diet (day 84 to 112). Heifers had free choice access to Tifton hay (Cynodon sp.) and salt from day 0 to 27. On day 28, 20 heifers/treatment were randomly assigned to receive free choice access to Tifton hay and protein supplementation at 0.10% of BW (dry matter, DM) added with sulfate (SUL) or hydroxychloride (HYD) sources of Cu, Mn, and Zn from day 28 to 112. From day 56 to 83, heifers were offered 50% of the average hay DM intake obtained from day 50 to 55. From day 84 to 112, each respective protein supplement was mixed with a starch-based total mixed ration (TMR) and concentrate DM amount was gradually increased every 7 days (starting with 35% concentrate and 65% hay on day 84 and ending with 80% concentrate and 20% hay from day 106 to 112). Effects of treatment × day and treatment were not detected (P ≥ 0.37) for heifer BW, fecal pH, average daily gain (ADG), and DM intake, except for ADG from day 28 to 56, which was less (P = 0.05) for SUL vs. HYD heifers. Effects of treatment × day were detected (P = 0.02) for plasma concentrations of insulin-like growth factor 1 (IGF-1) and haptoglobin. Plasma concentrations of IGF-1 were greater (P ≤ 0.05) for HYD vs. SUL heifers on days 56, 70, 77, 84, and 91. Plasma concentration of haptoglobin was greater (P = 0.05) for SUL vs. HYD heifers on day 63. Effects of treatment × day of the study and treatment were not detected (P ≥ 0.35) for plasma concentrations of cortisol, ß-hydroxybutyrate (BHBA) and non-esterified fatty acids (NEFA). Thus, Nelore heifers offered hydroxychloride sources of Cu, Mn, and Zn exhibited greater plasma concentrations of IGF-1 and a temporary increase in ADG during nutrient surplus compared to those receiving sulfate sources. While hydroxychloride supplementation reduced the acute phase response early in nutrient restriction, it did not improve growth and plasma concentrations of haptoglobin, cortisol, NEFA and BHBA during nutrient restriction and adaptation to a high-starch diet.