MétaCan
Menu
← Retour à la cohorte
Enregistrement W2908386863 · doi:10.1371/journal.pone.0210214

Agreement between primary care and hospital diagnosis of schizophrenia and bipolar disorder: A cross-sectional, observational study using record linkage

2019· article· en· W2908386863 sur OpenAlexafffundabout
Braden O’Neill, Sumeet Kalia, Babak Aliarzadeh, Rahim Moineddin, Wai Lun Alan Fung, Frank Sullivan, Asmaa Maloul, Steven Bernard, Michelle Greiver

Notice bibliographique

RevuePLoS ONE · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueSchizophrenia research and treatment
Établissements canadiensNorth York General HospitalUniversity of TorontoUniversity Health Network
Organismes subventionnairesNorth York General HospitalUniversity of Toronto
Mots-clésObservational studyCross-sectional studySchizophrenia (object-oriented programming)Bipolar disorderLinkage (software)MedicinePrimary carePsychiatryPediatricsInternal medicineFamily medicineGeneticsBiologyPathology

Résumé

récupéré en direct d'OpenAlex

People with serious mental illness die 10-25 years sooner than people without these conditions. Multiple challenges to accessing and benefitting from healthcare have been identified amongst this population, including a lack of coordination between mental health services and general health services. It has been identified in other conditions such as diabetes that accurate documentation of diagnosis in the primary care chart is associated with better quality of care. It is suspected that if a patient admitted to the hospital with serious mental illness is then discharged without adequate identification of their diagnosis in the primary care setting, follow up (such as medication management and care coordination) may be more difficult. We identified cohorts of patients with schizophrenia and bipolar disorder who accessed care through the North York Family Health Team (a group of 77 family physicians in Toronto, Canada) and North York General Hospital (a large community hospital) between January 1, 2012 and December 31, 2014. We identified whether labeling for these conditions was concordant between the two settings and explored predictors of concordant labeling. This was a retrospective cross-sectional study using de-identified data from the Health Databank Collaborative, a linked primary care-hospital database. We identified 168 patients with schizophrenia and 370 patients with bipolar disorder. Overall diagnostic concordance between primary care and hospital records was 23.2% for schizophrenia and 15.7% for bipolar disorder. Concordance was higher for those with multiple (2+) inpatient visits (for schizophrenia: OR 2.42; 95% CI 0.64-9.20 and for bipolar disorder: OR 8.38; 95% CI 3.16-22.22). Capture-recapture modeling estimated that 37.4% of patients with schizophrenia (95% CI 20.7-54.1) and 39.6% with bipolar disorder (95% CI 25.7-53.6) had missing labels in both settings when adjusting for patients' age, sex, income quintiles and co-morbidities. In this sample of patients accessing care at a large family health team and community hospital, concordance of diagnostic information about serious mental illness was low. Interventions should be developed to improve diagnosis and continuity of care across multiple settings.

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)0,006
score de la tête « metaresearch » (Gemma)0,018
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 enseignants0,038
Score d'incertitude au seuil0,075

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,018
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,091
Tête enseignante GPT0,313
Écart entre enseignants0,221 · 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

Citations14
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePLoS ONE→Même sujetSchizophrenia research and treatment→Travaux en français237 207→