Physician Management of Pediatric Mental Health Patients in the Emergency Department
Notice bibliographique
Résumé
OBJECTIVE: The focus of this study was to describe the clinical data that pediatric emergentologists recorded and how they were used in the mental health (MH) care of patients. METHODS: A structured chart review was conducted for all MH presentations to a pediatric emergency department in 2007. Three research assistants extracted clinical chart data and completed the Child and Adolescent Needs and Strengths Tool. RESULTS: The clinical records of 495 children and youth were reviewed. Emergentologists referred 124 (25.4%) for a psychiatric consult, and 46 (37%) of these patients were admitted to either an inpatient psychiatric or eating-disorders unit. Psychosis, suicide risk, eating disturbance, anxiety, and resistance to treatment predicted admission to the psychiatric inpatient unit or the eating-disorders unit. Of the 365 patients discharged back to the community, the majority (n = 189, 51.8%) were referred back to their family physician. For 117 patients (32%), there was no discharge documentation in the medical chart. Age, parent present, currently on medication, currently receiving counseling, depression, anxiety, and adjustment to trauma predicted provision of charted recommendation. CONCLUSIONS: This study revealed that the pediatric emergentologists' charting of MH patients is inconsistent and incomplete. Although recorded clinical data predicted psychiatric consultation and disposition for these patients, missing data were evident in a significant number of records. The results of the study point to a need to develop a more uniform approach to the collection and recording of clinical data for MH patients.
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 | 0,000 | 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) | 0,001 | 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 ».