Association of Mental Health with Health Care Use and Cost: A Population Study
Notice bibliographique
Résumé
OBJECTIVE: To compare the health costs of groups with and without psychiatric diagnoses (PDs) using 9 years of physician billing data. METHODS: A dataset containing registration data for all patients receiving public mental health service was constructed and subsequently matched, on age and sex, in a final patient to comparison patient ratio of 1:8, with health care users who did not receive treatment in the mental health system. Three groups emerged: a patient PD group-patients with psychiatric disorders treated in public mental health care (n = 76 677); a comparison patient PD group-comparison patients with PDs treated in physicians only (n = 277 627); and a patient- comparison patient non-PD group-patients (treated in specialized publicly funded care or by their physician) without PDs (n = 329 177). Examining over 42 million billing records for all of these patients, we compared the average number of visits and the average health only (nonpsychiatric) billing cost per each patient during the 9-year study period across the groups. RESULTS: Among all health care users in the data, the health costs (Total Costs - Mental Health Costs) were greater on average for the patients with PD group ($3437) and the comparison patient PD group ($3265), compared with patient-comparison patient non-PD group ($1345). Forty-six percent of the comparison sample had a PD. CONCLUSIONS: Having a mental health problem is related to greater health-related expenditures. This has important policy implications on how mental health resources are constructed and rationed within the health care system.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».