Rural and remote early psychosis intervention services: the <scp>G</scp>ordian knot of early intervention
Notice bibliographique
Résumé
AIM: One of the basic challenges of Early Psychosis Intervention (EPI) programs for rural populations is translating best practice which developed for urban high-population density areas to rural and remote settings. This paper presents data from two different models (hub and spoke and specialist outreach) of rural EPI practice in Ontario, Canada. METHODS: This cross-sectional study used a convenience sample of clients from two rural EPI programs between 2005 and 2007. Data about client outcomes specific to general functioning, admissions to hospital and emergency room (ER) visits were collected. For all dichotomous variables, chi-square tests were used to test differences between two groups. RESULTS: The total clients served in hub and spoke were 457 compared to 91 in specialist outreach. Although not statistically significant, the hub and spoke group showed better functioning in the community. There was a significant difference between the two groups with regard to hospital admissions. Although not significant, there was a greater percentage (58.3%) of specialist outreach clients who visited the ER in the previous 12 months as compared to clients serviced by the hub and spoke model (34.9%). CONCLUSIONS: The observed data from these two rural models suggest that there may be differing outcomes. There are limitations to this study, and this paper does not address why there are differences. Future work needs to continue to further explore why differences exist and whether they persist so we can provide equity and quality care for rural and remote populations.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».