Using Administrative Data to Measure Ambulatory Mental Health Service Provision in Primary Care
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: We sought to determine the accuracy of administrative data for identifying mental health service provision in primary care. STUDY DESIGN: This was a chart abstraction study measuring agreement between billing data and clinical data on the binary variable "mental health visit." Data were collected from the charts and billing records of 5 academic family practice clinics in Toronto, Ontario (1999 to 2000). Billing claims (n = 952) were selected from the billings for all visits by a stratified random sampling technique. A blinded data abstractor reviewed the clinical charts and assigned diagnostic codes for each patient visit associated with the selected claims. Any visit with at least 1 abstracted mental health diagnostic code was defined as a mental health visit. The test characteristics of 4 administrative measures of mental health service provision, based on different combinations of billing codes, were calculated. RESULTS: The accuracy of the administrative data was 86.8% when compared with clinical data. The sensitivity of the 4 administrative measures ranged from 22.3% to 80.7%. The specificity ranged from 97.0% to 99.5%. CONCLUSIONS: This is the first study to establish the performance of administrative data in measuring mental health service provision in a primary care setting. In our setting, broadly defined administrative measures of mental health have excellent specificity and adequate sensitivity for exploring and understanding mental health service utilization.
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.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle