MétaCan
Menu
Retour à la cohorte
Enregistrement W1518963221 · doi:10.18192/uojm.v4i1.1039

Dying young: Excess morbidity and mortality in individuals with severe mental illness and what we should be doing about it

2014· article· en· W1518963221 sur OpenAlexaffvenue
Darya Kurowecki, Justin Godbout

Notice bibliographique

RevueUniversity of Ottawa Journal of Medicine · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueSchizophrenia research and treatment
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésMedicineMental illnessLife expectancyPsychiatryDiseaseSchizophrenia (object-oriented programming)PopulationMental healthQuality of life (healthcare)Bipolar disorderMortality rateIncidence (geometry)ObesityEtiologyInternal medicineEnvironmental health

Résumé

récupéré en direct d'OpenAlex

“We talk about people with mental illness, and people with diabetes, and smokers and the obese, and so on and so on. We’re talking about the same people – just with different labels.”– Health care professional [1, p. 6]Severe mental illness (SMI) most commonly refers to mental disorders with a psychotic component and significantly reduced functioning despite the presence of inherent differences in risk factors, etiologies, and treatments [1]. The most common disorders that fall under this term include schizophrenia and bipolar disorder [1]. Over a decade of research into the morbidity and mortality of individuals with SMI has consistently revealed mortality rates two to three times higher and a life expectancy of 25-30 years shorter compared to the general population [1-4]. Contrary to popular belief, the main causes of early death are not drug overdose or suicide, but rather, preventable illnesses such as cardiovascular disease, diabetes, and HIV/AIDS [1,3,5-7]. Incidence of other preventable conditions, such as obesity and respiratory disease, is also much higher among patients with SMI, and when present, is associated with a more severe course of mental illness and a reduced quality of life [3,8]. Such findings bring significant questions: what is the cause of this disparity in mortality/ morbidity? What can health care professionals do to help reduce this gap?A recent report by the Early Onset Illness and Mortality Working Group [1] outlines several factors that may contribute to poor physical health of people with SMI. Some factors, such as those related to the mental illness itself (e.g., cognitive impairment, a lack of communication skills, medication side-effects) and socioeconomic status (e.g., poverty, poor education) may be less amenable to modification, but should nevertheless be a target for action. Other contributing factors include behaviour and lifestyle (e.g., physical inactivity, obesity, tobacco smoking), and poor preventative medical care (e.g., disparity in quality of medical care), both of which are more easily modifiable with the assistance of medical care practitioners. Here we will summarize the factors responsible for poor physical health in SMI, specifically focusing on the mental illness itself, socioeconomic status, behaviour and lifestyle, health care system barriers, and insufficient preventative medical care. We will then propose future directions and ways in which medical students and current medical professionals can help reduce this gap.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,017
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0030,001
Communication savante0,0030,005
Science ouverte0,0010,002
Intégrité de la recherche0,0040,008
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,296
Écart entre enseignants0,262 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueUniversity of Ottawa Journal of MedicineMême sujetSchizophrenia research and treatmentTravaux en français237 207