Characterizing the Use of Telepsychiatry for Patients with Opioid Use Disorder and Cooccurring Mental Health Disorders in Ontario, Canada
Notice bibliographique
Résumé
Rural patients with opioid use disorder (OUD) face a variety of barriers when accessing opioid agonist therapy (OAT) and psychiatric services, due to the limited supply of physicians and the vast geographic area. The telemedicine allows for contact between patients and their physician—regardless of physical distance. Objective. We characterize the usage of telemedicine to deliver psychiatric services to patients with OUD in Ontario, as well as traits of treatment-seeking patients with opioid dependence and concurrent psychiatric disorders. Methodology. A retrospective cohort study was conducted using an administrative database for patients who received psychiatric services via telemedicine between 2008 and 2014 and who also had OUD. Results. We identified 9,077 patients with concurrent opioid use and other mental health disorders who had received psychiatric services via telemedicine from 2008 to 2014; 7,109 (78.3%) patients lived in Southern Ontario and 1,968 (21.7%) in Northern Ontario. Telemedicine was used more frequently to provide mental health services to patients residing in Northern Ontario than Southern Ontario. Conclusion. Telemedicine is increasingly being utilized throughout Ontario for delivering mental health treatment. There is an opportunity to increase access to psychiatric services for patients with opioid dependence and concurrent psychiatric disorders through the use of the telemedicine.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».