Community Treatment Orders in Toronto: The Emerging Data
Notice bibliographique
Résumé
OBJECTIVE: Over a 4-year period in Toronto, this study aimed to compare individuals on a community treatment order (CTO) with individuals not on a CTO in terms of sociodemographic and clinical variables, hospital use, and continued engagement with health services on exit from the case management program. Hospital stay reductions from preadmission into the program to various postadmission periods were compared across the 2 groups. METHODS: Descriptive statistics and tests of statistical significance (chi-square and t test) were run on regularly collected administrative data for both groups. RESULTS: Categorical data analysis indicated the 2 groups were statistically similar on a range of sociodemographic and clinical variables. Although both groups displayed reductions in hospital use, the CTO group displayed a significantly higher reduction in cumulative days in hospital per hospital admission within both the first and second 6-month period postadmission. This same group also had significantly greater reduction in hospital admissions during the second 6-month period postadmission. The CTO group also had a significantly higher portion of individuals exiting the program within these first two 6-month periods; as well, they were less likely to exit with support such as case management or assertive community treatment and more likely to continue with ongoing medical supervision than the comparison group. CONCLUSION: Although we were unable to rule out regression to the mean for hospitalization reductions, the Toronto experience has shown that CTOs are helpful in assisting individuals who historically refused services to remain engaged with treatment and support services. The study also calls for broadening operational measures of outcomes for CTO studies.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».