The prevalence and geographic distribution of complex co-occurring disorders: a population study
Notice bibliographique
Résumé
AIMS: A subset of people with co-occurring substance use and mental disorders require coordinated support from health, social welfare and justice agencies to achieve diversion from homelessness, criminal recidivism and further health and social harms. Integrated models of care are typically concentrated in large urban centres. The present study aimed to empirically measure the prevalence and distribution of complex co-occurring disorders (CCD) in a large geographic region that includes urban as well as rural and remote settings. METHODS: Linked data were examined in a population of roughly 3.7 million adults. Inclusion criteria for the CCD subpopulation were: physician diagnosed substance use and mental disorders; psychiatric hospitalisation; shelter assistance; and criminal convictions. Prevalence per 100 000 was calculated in 91 small areas representing urban, rural and remote settings. RESULTS: 2202 individuals met our inclusion criteria for CCD. Participants had high rates of hospitalisation (8.2 admissions), criminal convictions (8.6 sentences) and social assistance payments (over $36 000 CDN) in the past 5 years. There was wide variability in the geographic distribution of people with CCD, with high prevalence rates in rural and remote settings. CONCLUSIONS: People with CCD are not restricted to areas with large populations or to urban settings. The highest per capita rates of CCD were observed in relatively remote locations, where mental health and substance use services are typically in limited supply. Empirically supported interventions must be adapted to meet the needs of people living outside of urban settings with high rates of CCD.
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 | 0,007 | 0,001 |
| 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 | 0,002 | 0,001 |
| 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 ».