Distinctive Trajectory Groups of Mental Health Functioning among Assertive Community Treatment Clients: An Application of Growth Mixture Modelling Analysis
Notice bibliographique
Résumé
OBJECTIVE: Assertive community treatment (ACT) studies that have used conventional, statistical growth modelling methods have not examined different trajectories of outcomes or covariates that could influence different trajectories, even though heterogeneity in outcomes has been established in other research on severe mental illness. The purpose of our study was to examine the general trend in mental health functioning of ACT clients over a 2-year follow-up time period, to discover groups of ACT clients with distinctive longitudinal trajectories of mental health functioning, and to examine if some of the key sociodemographic and illness-related factors influence group membership. METHOD: A 2-year, prospective, within-subjects study of 216 ACT clients within southern Ontario, collected functional outcome data at baseline and 12 and 24 months using the Colorado Client Assessment Record. Baseline covariates included sex, primary diagnosis, number of comorbidities, hospitalization history, and duration of illness. Growth mixture modelling (GMM) was used to examine trajectories. RESULTS: Clinical staff assessments of ACT clients showed a statistically significant improvement in functioning and 84% achieved successful community tenure. GMM analysis identified 2 classes of ACT clients: class 1 (79.63% of clients) experienced lower and stable overall functioning, and class 2 (20.37%) showed a better baseline functioning score and improvement in the overall functioning over time. Class membership was predicted by the number of comorbidities and diagnosis. CONCLUSIONS: Our study suggests general stability in overall functioning for the sampled ACT clients over 2 years, but significant heterogeneity in trajectories of functioning.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 source (Gemma direct ou Codex distillé), 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 ».