MétaCan
Menu
Retour à la cohorte
Enregistrement W2891516089 · doi:10.23889/ijpds.v3i4.812

Cross-Sectoral Data Linkage: Tracking Mental Health Service Utilization from Childhood into Adulthood

2018· article· en· W2891516089 sur OpenAlexaffabout
Kyleigh Schraeder, John Cairney, Jeffrey Carter, Evelyn Vingilis, Richard W. J. Neufeld, Melanie Barwick, Paul Kurdyak, Juliana I. Tobon

Notice bibliographique

RevueInternational Journal for Population Data Science · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueAdolescent and Pediatric Healthcare
Établissements canadiensCentre for Addiction and Mental HealthHospital for Sick ChildrenWestern UniversityVanier CollegeMcMaster UniversityUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMental healthMedicinePsychiatryPopulationAnxietyChristian ministryYoung adultDepression (economics)Tracking (education)PsychologyGerontologyEnvironmental health

Résumé

récupéré en direct d'OpenAlex

IntroductionOf the 15-18% of children and youth in Canada with a mental health disorder, some receive specialized mental health (MH) services and need additional treatment as young adults. Lack of a shared database across child and adult sectors has prevented examining predictors of future MH health service use.
 Objectives and ApproachWe examined predictors of mental health service utilization in adulthood, and compared a sample of youth who received specialized MH treatment and age-, sex-, and region- matched controls. Patient-level administrative data from five MH agencies funded by the Ministry of Children and Youth Services (MCYS) in Ontario, with population health sector datasets held at the Institute for Clinical Evaluative Sciences (ICES). We expanded previous definitions of coding a MH visit by including codes specific to long-lasting childhood MH diagnoses (e.g., Attention Deficit-Hyperactivity Disorder).
 ResultsOur match rate for linking the MCYS treated youth with their population health data was 77%. Youth who received MH treatment (N= 2957) were twice as likely as matched controls (N= 8891) to have a MH visit in the medical system in adulthood (i.e., after age 18). The most common diagnostic codes for the first visit were anxiety, depressive disorders, and ADHD. The median survival time (when 50% had a visit) from age 18 to first MH visit was 3.3 years. In adjusted Cox regressions, significant predictors of having an adult MH visit included service use history in both medical and MH systems during childhood and adolescence (e.g., ongoing pattern of children’s MH service use).
 Conclusion/ImplicationsThis study represents the first longitudinal, case-control cohort study in Canada to examine MH service utilization in the medical sector by youth treated for MH problems. The linkage of information from multiple datasets allowed for a broader understanding of MH service utilization across sectors of care, specific to children and youth.

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)0,004
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,088
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0040,000
Communication savante0,0000,005
Science ouverte0,0040,001
Intégrité de la recherche0,0000,001
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 Opus0,329
Tête enseignante GPT0,578
Écart entre enseignants0,249 · 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.

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

Citations1
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Population Data ScienceMême sujetAdolescent and Pediatric HealthcareTravaux en français237 207