The prevalence and correlates of untreated serious mental illness.
Notice bibliographique
Résumé
OBJECTIVE: To identify the number of people in the United States with untreated serious mental illness (SMI) and the reasons for their lack of treatment. DATA SOURCE/STUDY DESIGN: The National Comorbidity Survey; cross-sectional, nationally representative household survey. DATA COLLECTION: An operationalization of the SMI definition set forth in the Alcohol, Drug Abuse, and Mental Health Administration Reorganization Act identified individuals with SMI in the 12 months prior to the interview. The presence of SMI then was related to the use of mental health services in the past 12 months. PRINCIPAL FINDINGS: Of the 6.2 percent of respondents who had SMI in the year prior to interview, fewer than 40 percent received stable treatment. Young adults and those living in nonrural areas were more likely to have unmet needs for treatment. The majority of those who received no treatment felt that they did not have an emotional problem requiring treatment. Among those who did recognize this need, 52 percent reported situational barriers, 46 percent reported financial barriers, and 45 percent reported perceived lack of effectiveness as reasons for not seeking treatment. The most commonly reported reason both for failing to seek treatment (72 percent) and for treatment dropout (58 percent) was wanting to solve the problem on their own. CONCLUSIONS: Although changes in the financing of services are important, they are unlikely by themselves to eradicate unmet need for treatment of SMI. Efforts to increase both self-recognition of need for treatment and the patient centeredness of care also are needed.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».