MétaCan
Menu
Retour à la cohorte
Enregistrement W2801192811 · doi:10.1016/s2468-2667(18)30052-5

Dual diagnosis of mental illness and substance use disorder and injury in adults recently released from prison: a prospective cohort study

2018· article· en· W2801192811 sur OpenAlexaff
Jesse T Young, Ed Heffernan, Rohan Borschmann, James R. P. Ogloff, Matthew J. Spittal, Fiona G. Kouyoumdjian, David B. Preen, Amanda Butler, Lisa Brophy, Julia Crilly, Stuart A. Kinner

Notice bibliographique

RevueThe Lancet Public Health · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCriminal Justice and Corrections Analysis
Établissements canadiensMcMaster UniversitySimon Fraser UniversitySt. Michael's Hospital
Organismes subventionnairesNational Health and Medical Research CouncilMedical Research CouncilUniversity of Melbourne
Mots-clésPrisonMedicinePsychiatryMental healthMental illnessDual diagnosisSubstance abuseEmergency departmentPsychology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: People with mental illness and substance use disorder are over-represented in prisons. Injury-related mortality is elevated in people released from prison, and both mental illness and substance use disorder are risk factors for injury. Effective care coordination during the transition between criminal justice and community service providers improves health outcomes for people released from prison. However, the health outcomes and support needs of people with dual diagnosis (co-occurring mental illness and substance use disorder) released from prison are poorly understood. Here we aim to examine the association between dual diagnosis and non-fatal injury in adults released from prison. METHODS: Pre-release interview data collected between Aug 1, 2008, and July 31, 2010, from a representative sample of sentenced adults (≥18 years) in Queensland, Australia, were linked, retrospectively and prospectively, to person-level, state-wide emergency department and hospital records. We identified dual diagnoses from inpatient, emergency department, and prison medical records. We modelled the association between mental health status and all injury resulting in hospital contact by fitting a multivariate Cox regression, adjusting for sociodemographic, health, and criminogenic covariates, and replacing missing covariate data by multiple imputation. FINDINGS: In 1307 adults released from prison, there were 2056 person-years of follow-up (median 495 days, IQR 163-958). The crude injury rates were 996 (95% CI 893-1112) per 1000 person-years for the dual diagnosis group, 538 (441-657) per 1000 person-years for the mental illness only group, 413 (354-482) per 1000 person-years for the substance use disorder only group, and 275 (247-307) per 1000 person-years for the no mental disorder group. After adjusting for model covariates, the dual diagnosis (adjusted hazard rate ratio 3·27, 95% CI 2·30-4·64; p<0·0001) and mental illness only (1·87, 1·19-2·95; p=0·0071) groups were at increased risk of injury after release from prison compared with the group with no mental health disorders. INTERPRETATION: People released from prison experience high rates of injury compared with the general population. Among people released from prison, dual diagnosis is associated with an increased risk of injury. Contact with the criminal justice system is a key opportunity to prevent subsequent injury morbidity in people with co-occurring mental health disorders. Engagement with integrated psychiatric and addiction treatment delivered without interruption during the transition from prison into the community might prevent the injury-related disparities experienced by this vulnerable group. The development of targeted injury prevention strategies for people with dual diagnosis released from prison is warranted. FUNDING: National Health and Medical Research Council.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,342
Score d'incertitude au seuil0,788

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,037
Tête enseignante GPT0,339
Écart entre enseignants0,302 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations75
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Lancet Public HealthMême sujetCriminal Justice and Corrections AnalysisTravaux en français237 207