MétaCan
Menu
← Retour à la cohorte
Enregistrement W2802427014

Epidemiological and experimental evidence to improve antipsychotic medication adherence among patients with schizophrenia who are homeless and involved with the criminal justice system

2017· dissertation· en· W2802427014 sur OpenAlexaboutno aff
Stefanie N. Rezansoff

Notice bibliographique

RevueSummit (Simon Fraser University) · 2017
Typedissertation
Langueen
DomaineMedicine
ThématiqueSchizophrenia research and treatment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSchizophrenia (object-oriented programming)EpidemiologyAntipsychoticPsychiatryCriminal justiceMedicinePsychologyClinical psychologyCriminologyInternal medicine
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Background: Schizophrenia consistently ranks among the leading causes of disability worldwide, and is significantly overrepresented in socially disadvantaged populations. Despite demonstrated efficacy of antipsychotic medication in research studies, poor adherence limits its effectiveness in real-world practice. Remarkably, antipsychotic adherence has never been examined in homeless or justice-involved patient cohorts under naturalistic conditions, and current treatment guidelines provide little information on practices to improve outcomes in these important subgroups. The three original research studies that comprise this thesis address this substantial omission in existing literature. Methods: The studies include population-level analysis, retrospective cohort design and a randomized controlled trial. Offenders diagnosed with schizophrenia, prescribed antipsychotic medication and convicted under British Columbia jurisdiction were the basis for longitudinal epidemiological analysis. A homeless cohort of Vancouver patients with severe mental illness enabled retrospective analysis of antipsychotic use, and examination of changes in adherence following randomization to different supported-housing treatment conditions. All three analyses drew on a centralized administrative repository of comprehensive prescription details. Adherence was operationalized using the medication possession ratio (MPR). Results: Over an average follow-up of 10 years, findings from the offender sample (n=11,462) revealed a mean MPR of 0.41. Results further demonstrated that patients who met guideline-level adherence (MPR≥0.80) were significantly less likely to be convicted of both violent and non-violent offences. 15-year retrospective analyses of homeless patients also showed an average MPR of 0.41. Higher antipsychotic adherence was significantly associated with duration of homelessness, prescription of long-acting injectable medication and primary care engagement. Randomization to market housing with assertive community treatment resulted in near guideline-level adherence (0.78), while assignment to congregate supported-housing and treatment as usual led to relatively low levels of adherence (0.55 and 0.61, respectively). Conclusion: Results demonstrate that homeless and/or justice-involved patients with schizophrenia have very low levels of adherence to prescribed antipsychotic medication. Findings were corroborated using two separate samples, in the context of universal health care, where prescribed medication is provided at no cost to patients of limited means. Action is needed to implement measures including those detailed in this research that have demonstrated promise to improve adherence among highly vulnerable patient groups.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,041
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,007
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,041
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,027
Tête enseignante GPT0,281
Écart entre enseignants0,254 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSummit (Simon Fraser University)→Même sujetSchizophrenia research and treatment→Travaux en français237 207→