Using Administrative Data to Analyze the Prevalence and Distribution of Schizophrenic Disorders
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: In order to effectively plan and implement psychiatric services, a clear estimate of the prevalence and distribution of the population in need is required. The authors examined the use of administrative data as a means of estimating the prevalence and distribution of schizophrenic disorders. METHODS: Administrative health services data for residents of the Canadian province of British Columbia in the age range 15 to 65 years (total population in 1997-1998 of 2,703,588) were examined over a three-year period. Potential cases of schizophrenic disorder were identified on the basis of the presence of a diagnostic code of 295 in one or more of three databases. One-year prevalence rates were estimated for each of the province's geographic regions, and associations with low income and unemployment were examined. RESULTS: One-year prevalence rate estimates were.45 cases per 100 population in 1996-1997 and 1997-1998 and.42 cases per 100 in 1998-1999. The prevalence estimates of all 88 local health areas in the province were consistent across the three-year period; Pearson correlations were determined to be approximately.9. One-year contact prevalence rates for schizophrenic disorders were significantly correlated in all three years to the percentage of persons with low income in the individual geographic regions but were not correlated with unemployment rates. CONCLUSIONS: In areas with well-developed health services, analyses of administrative data appear to provide cost-effective means of examining the prevalence and distribution of schizophrenic disorders.
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 | 0,001 |
| 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) | 0,000 | 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