Substance Misuse in the Psychiatric Emergency Service; A Descriptive Study
Notice bibliographique
Résumé
Substance misuse is frequently encountered in the psychiatric emergency service (PES) and may take many forms, ranging from formal DSM-IV diagnoses to less obvious entities such as hazardous consumption. Detecting such patients using traditional screening instruments has proved problematic. We therefore undertook this study to more fully characterize substance misuse in the PES and to determine whether certain variables might help better screen these patients. We used a prospectively acquired database of over 18,000 visits made to four PESs during a 2-year period in the province of Quebec, Canada. One of the variables acquired was a subjective rating by the nursing staff as to whether substance misuse was a contributing factor to the visit (graded as direct, indirect, or not at all). Substance misuse accounted for 21% of all diagnoses and alcohol was the most frequent substance used. Patients were divided into those with primary (PSM), comorbid (CSM) or no substance misuse (NSM). Depressive disorders were the most frequent primary diagnoses in CSM, whereas personality and substance misuse disorders were frequent secondary diagnoses in PSM. Although many variables significantly differentiated the three groups, few were sufficiently detailed to be used as potential screening tools. Those situations that did have sufficient details included those with a previous history of substance misuse, substance misuse within 48 hours of the visit, and visits graded by the nursing staff as being directly and/or indirectly related to substance misuse. Variables related to substance misuse itself were the primary predictors of PSM and, less significantly, CSM. The nursing staff rating, although promising, was obtained in less than 30% of all visits, rendering its practical use difficult to assess.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».