Little is known about the extent or severity of untreated mental disorders, especially in less-developed countries.To estimate prevalence, severity, and treatment of Diagnostic and Statistical Manual of Mental Disorders, Fourth Edition (DSM-IV) mental disorders in 14 countries (6 less developed, 8 developed) in the World Health Organization (WHO) World Mental Health (WMH) Survey Initiative.Face-to-face household surveys of 60 463 community adults conducted from 2001-2003 in 14 countries in the Americas, Europe, the Middle East, Africa, and Asia.The DSM-IV disorders, severity, and treatment were assessed with the WMH version of the WHO Composite International Diagnostic Interview (WMH-CIDI), a fully structured, lay-administered psychiatric diagnostic interview.The prevalence of having any WMH-CIDI/DSM-IV disorder in the prior year varied widely, from 4.3% in Shanghai to 26.4% in the United States, with an interquartile range (IQR) of 9.1%-16.9%. Between 33.1% (Colombia) and 80.9% (Nigeria) of 12-month cases were mild (IQR, 40.2%-53.3%). Serious disorders were associated with substantial role disability. Although disorder severity was correlated with probability of treatment in almost all countries, 35.5% to 50.3% of serious cases in developed countries and 76.3% to 85.4% in less-developed countries received no treatment in the 12 months before the interview. Due to the high prevalence of mild and subthreshold cases, the number of those who received treatment far exceeds the number of untreated serious cases in every country.Reallocation of treatment resources could substantially decrease the problem of unmet need for treatment of mental disorders among serious cases. Structural barriers exist to this reallocation. Careful consideration needs to be given to the value of treating some mild cases, especially those at risk for progressing to more serious disorders.

To estimate the prevalence of Alzheimer's disease (AD) and other dementias in the USA using a nationally representative sample.The Aging, Demographics, and Memory Study sample was composed of 856 individuals aged 71 years and older from the nationally representative Health and Retirement Study (HRS) who were evaluated for dementia using a comprehensive in-home assessment. An expert consensus panel used this information to assign a diagnosis of normal cognition, cognitive impairment but not demented, or dementia (and dementia subtype). Using sampling weights derived from the HRS, we estimated the national prevalence of dementia, AD and vascular dementia by age and gender.The prevalence of dementia among individuals aged 71 and older was 13.9%, comprising about 3.4 million individuals in the USA in 2002. The corresponding values for AD were 9.7% and 2.4 million individuals. Dementia prevalence increased with age, from 5.0% of those aged 71-79 years to 37.4% of those aged 90 and older.Dementia prevalence estimates from this first nationally representative population-based study of dementia in the USA to include subjects from all regions of the country can provide essential information for effective planning for the impending healthcare needs of the large and increasing number of individuals at risk for dementia as our population ages.

The ABCD study is a new and ongoing project of very substantial size and scale involving 21 data acquisition sites. It aims to recruit 11,500 children and follow them for ten years with extensive assessments at multiple timepoints. To deliver on its potential to adequately describe adolescent development, it is essential that it adopt recruitment procedures that are efficient and effective and will yield a sample that reflects the nation’s diversity in an epidemiologically informed manner. Here, we describe the sampling plans and recruitment procedures of this study. Participants are largely recruited through the school systems with school selection informed by gender, race and ethnicity, socioeconomic status, and urbanicity. Procedures for school selection designed to mitigate selection biases, dynamic monitoring of the accumulating sample to correct deviations from recruitment targets, and a description of the recruitment procedures designed to foster a collaborative attitude between the researchers, the schools and the local communities, are provided.

Abstract The National Comorbidity Survey Replication (NCS‐R) is a survey of the prevalence and correlates of mental disorders in the US that was carried out between February 2001 and April 2003. Interviews were administered face‐to‐face in the homes of respondents, who were selected from a nationally representative multi‐stage clustered area probability sample of households. A total of 9,282 interviews were completed in the main survey and an additional 554 short non‐response interviews were completed with initial non‐respondents. This paper describes the main features of the NCS‐R design and field procedures, including information on fieldwork organization and procedures, sample design, weighting and considerations in the use of design‐based versus model‐based estimation. Empirical information is presented on non‐response bias, design effect, and the trade‐off between bias and efficiency in minimizing total mean‐squared error of estimates by trimming weights. Copyright © 2004 Whurr Publishers Ltd.

This paper provides an overview of the probability sample designs and sampling methods for the Collaborative Psychiatric Epidemiology Studies (CPES): the National Comorbidity Survey Replication (NCS-R), the National Study of American Life (NSAL) and the National Latino and Asian American Study of Mental Health (NLAAS). The multi-stage sample design and respondent selection procedures used in these three studies are based on the University of Michigan Survey Research Center's National Sample designs and operations. The paper begins with a general overview of these designs and procedures and then turns to a more detailed discussion of the adaptation of these general methods to the three specific study designs. The detailed discussions of the individual study samples focus on design characteristics and outcomes that are important to analysts of the CPES data sets and to researchers and statisticians who are planning future studies. The paper describes how the expected survey cost and error structure for each of these surveys influenced the original design of the samples and how actual field experience led to changes and adaptations to arrive at the final samples of each survey population.

Objective: The purpose of this report was to update previous estimates of the association between mental disorders and earnings. Current estimates for 2002 are based on data from the National Comorbidity Survey Replication (NCS-R). Method: The NCS-R is a nationally representative survey of the U.S. household population that was administered from 2001 to 2003. Following the same basic approach as prior studies, with some modifications to improve model fitting, the authors predicted personal earnings in the 12 months before interview from information about 12-month and lifetime DSM-IV mental disorders among respondents ages 18–64, controlling for sociodemographic variables and substance use disorders. The authors used conventional demographic rate standardization methods to distinguish predictive effects of mental disorders on amount earned by persons with earnings from predictive effects on probability of having any earnings. Results: A DSM-IV serious mental illness in the preceding 12 months significantly predicted reduced earnings. Other 12-month and lifetime DSM-IV/CIDI mental disorders did not. Respondents with serious mental illness had 12-month earnings averaging $16,306 less than other respondents with the same values for control variables ($26,435 among men, $9,302 among women), for a societal-level total of $193.2 billion. Of this total, 75.4% was due to reduced earnings among mentally ill persons with any earnings (79.6% men, 69.6% women). The remaining 24.6% was due to reduced probability of having any earnings. Conclusions: These results add to a growing body of evidence that mental disorders are associated with substantial societal-level impairments that should be taken into consideration when making decisions about the allocation of treatment and research resources.

Days out of role because of health problems are a major source of lost human capital. We examined the relative importance of commonly occurring physical and mental disorders in accounting for days out of role in 24 countries that participated in the World Health Organization (WHO) World Mental Health (WMH) surveys. Face-to-face interviews were carried out with 62 971 respondents (72.0% pooled response rate). Presence of ten chronic physical disorders and nine mental disorders was assessed for each respondent along with information about the number of days in the past month each respondent reported being totally unable to work or carry out their other normal daily activities because of problems with either physical or mental health. Multiple regression analysis was used to estimate associations of specific conditions and comorbidities with days out of role, controlling by basic socio-demographics (age, gender, employment status and country). Overall, 12.8% of respondents had some day totally out of role, with a median of 51.1 a year. The strongest individual-level effects (days out of role per year) were associated with neurological disorders (17.4), bipolar disorder (17.3) and post-traumatic stress disorder (15.2). The strongest population-level effect was associated with pain conditions, which accounted for 21.5% of all days out of role (population attributable risk proportion). The 19 conditions accounted for 62.2% of all days out of role. Common health conditions, including mental disorders, make up a large proportion of the number of days out of role across a wide range of countries and should be addressed to substantially increase overall productivity.

Summary Over the past few years surveys have expanded to new populations, have incorporated measurement of new and more complex substantive issues and have adopted new data collection tools. At the same time there has been a growing reluctance among many household populations to participate in surveys. These factors have combined to present survey designers and survey researchers with increased uncertainty about the performance of any given survey design at any particular point in time. This uncertainty has, in turn, challenged the survey practitioner's ability to control the cost of data collection and quality of resulting statistics. The development of computer-assisted methods for data collection has provided survey researchers with tools to capture a variety of process data (‘paradata’) that can be used to inform cost–quality trade-off decisions in realtime. The ability to monitor continually the streams of process data and survey data creates the opportunity to alter the design during the course of data collection to improve survey cost efficiency and to achieve more precise, less biased estimates. We label such surveys as ‘responsive designs’. The paper defines responsive design and uses examples to illustrate the responsive use of paradata to guide mid-survey decisions affecting the non-response, measurement and sampling variance properties of resulting statistics.

Importance

 The US Army experienced a sharp increase in soldier suicides beginning in 2004. Administrative data reveal that among those at highest risk are soldiers in the 12 months after inpatient treatment of a psychiatric disorder. 

Objective

 To develop an actuarial risk algorithm predicting suicide in the 12 months after US Army soldier inpatient treatment of a psychiatric disorder to target expanded posthospitalization care. 

Design, Setting, and Participants

 There were 53 769 hospitalizations of active duty soldiers from January 1, 2004, through December 31, 2009, withInternational Classification of Diseases, Ninth Revision, Clinical Modificationpsychiatric admission diagnoses. Administrative data available before hospital discharge abstracted from a wide range of data systems (sociodemographic, US Army career, criminal justice, and medical or pharmacy) were used to predict suicides in the subsequent 12 months using machine learning methods (regression trees and penalized regressions) designed to evaluate cross-validated linear, nonlinear, and interactive predictive associations. 

Main Outcomes and Measures

 Suicides of soldiers hospitalized with psychiatric disorders in the 12 months after hospital discharge. 

Results

 Sixty-eight soldiers died by suicide within 12 months of hospital discharge (12.0% of all US Army suicides), equivalent to 263.9 suicides per 100 000 person-years compared with 18.5 suicides per 100 000 person-years in the total US Army. The strongest predictors included sociodemographics (male sex [odds ratio (OR), 7.9; 95% CI, 1.9-32.6] and late age of enlistment [OR, 1.9; 95% CI, 1.0-3.5]), criminal offenses (verbal violence [OR, 2.2; 95% CI, 1.2-4.0] and weapons possession [OR, 5.6; 95% CI, 1.7-18.3]), prior suicidality [OR, 2.9; 95% CI, 1.7-4.9], aspects of prior psychiatric inpatient and outpatient treatment (eg, number of antidepressant prescriptions filled in the past 12 months [OR, 1.3; 95% CI, 1.1-1.7]), and disorders diagnosed during the focal hospitalizations (eg, nonaffective psychosis [OR, 2.9; 95% CI, 1.2-7.0]). A total of 52.9% of posthospitalization suicides occurred after the 5% of hospitalizations with highest predicted suicide risk (3824.1 suicides per 100 000 person-years). These highest-risk hospitalizations also accounted for significantly elevated proportions of several other adverse posthospitalization outcomes (unintentional injury deaths, suicide attempts, and subsequent hospitalizations). 

Conclusions and Relevance

 The high concentration of risk of suicide and other adverse outcomes might justify targeting expanded posthospitalization interventions to soldiers classified as having highest posthospitalization suicide risk, although final determination requires careful consideration of intervention costs, comparative effectiveness, and possible adverse effects.

Several methods of estimating prevalence of dementia are presented in this article. For both Brookmeyer and the Chicago Health and Aging project (CHAP), the estimates of prevalence are derived statistically, forward calculating from incidence and survival figures. The choice of incidence rates on which to build the estimates may be critical. Brookmeyer used incidence rates from several published studies, whereas the CHAP investigators applied the incidence rates observed in their own cohort. The Aging, Demographics, and Memory Study (ADAMS) and the East Boston Senior Health Project (EBSHP) were sample surveys designed to ascertain the prevalence of Alzheimer's disease and dementia. ADAMS obtained direct estimates by relying on probability sampling nationwide. EBSHP relied on projection of localized prevalence estimates to the national population. The sampling techniques of ADAMS and EBSHP were rather similar, whereas their disease definitions were not. By contrast, EBSPH and CHAP have similar disease definitions internally, but use different calculation techniques, and yet arrive at similar prevalence estimates, which are considerably greater than those obtained by either Brookmeyer or ADAMS. Choice of disease definition may play the larger role in explaining differences in observed prevalence between these studies.