Health services use for mental health problems by community-living seniors with depression
Notice bibliographique
Résumé
BACKGROUND: The literature on health services (HS) use for mental health problems by community-living seniors with depression is sparse. This study aimed to characterize patterns of HS use for mental health problems by seniors with depressive disorders and symptoms during the previous 12 months. METHOD: The study used data from the Canadian Community Health Survey Cycle 1.2: Mental Health and Well-Being (N = 7736). Information was collected on demographic, social, mental, physical and functional variables and HS use for mental health problems. We obtained simple univariate and bivariate descriptions of the data and developed multivariate predictive models for each of the HS utilization variables. RESULTS: Rates of any HS use for mental health problems ranged from 1.8% for those with no depressive symptoms to 31.1% for those with major depression. Variables predicting increased HS use were: depressive disorder or symptoms, clinically significant distress or impairment, age 65-84, single, post-secondary education, religiousness, disability, co-morbid mental disorder and fewer friends and positive social interactions. Variables predicting HS use among depressed seniors were physical health, psychiatric co-morbidity and activity limitation. CONCLUSION: Community-living seniors with major depression, co-morbid major depression and depressive symptoms were more likely to use psychiatrist, family physician, other professional and self-help services for mental health problems but less than a third actually did so.
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 | 0,001 | 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 | 0,001 | 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) | 0,000 | 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 ».