How Much Do Mental Health and Substance Use/Addiction Affect Use of General Medical Services? Extent of Use, Reason for Use, and Associated Costs
Notice bibliographique
Résumé
OBJECTIVE: To measure service use and costs associated with health care for patients with mental health (MH) and substance use/addiction (SA) problems. METHODS: A 5-year cross-sectional study (2007-2012) of administrative health care data was conducted (average annual sample size = 123,235 adults aged >18 years who had a valid Ontario health care number and used at least 1 service during the year; 55% female). We assessed average annual use of primary care, emergency departments and hospitals, and overall health care costs for patients identified as having MH only, SA only, co-occurring MH and SA problems (MH+SA), and no MH and/or SA (MH/SA) problems. Total visits/admissions and total non-MH/SA visits (i.e., excluding MH/SA visits) were regressed separately on MH, SA, and MH+SA cases compared to non-MH/SA cases using the 2011-2012 sample ( N = 123,331), controlling for age and sex. RESULTS: Compared to non-MH/SA patients, MH/SA patients were significantly ( P < 0.001) more likely to visit primary care physicians (1.82 times as many visits for MH-only patients, 4.24 for SA, and 5.59 for MH+SA), use emergency departments (odds, 1.53 [MH], 3.79 [SA], 5.94 [MH+SA]), and be hospitalized (odds, 1.59 [MH], 4.10 [SA], 7.82 [MH+SA]). MH/SA patients were also significantly more likely than non-MH/SA patients to have non-MH/SA-related visits and accounted for 20% of the sample but over 30% of health care costs. CONCLUSIONS: MH and SA are core issues for all health care settings. MH/SA patients use more services overall and for non-MH/SA issues, with especially high use and costs for MH+SA 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 | 0,000 |
| 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 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 ».