Use, costs, and predictors of psychiatric healthcare services following an autism spectrum diagnosis: Population-based cohort study
Notice bibliographique
Résumé
A number of cross-sectional studies report extensive use of psychiatric services and high healthcare costs in autistic youths. However, little is known about how the use of these services evolves from the time of diagnosis, as children grow up. Our objectives were to investigate the use, costs, and predictors of psychiatric services following autism spectrum diagnosis. We built a cohort of 1227 newly diagnosed autism spectrum individuals identified in the Quebec (Canada) Régie de l’assurance maladie du Québec administrative database (January 1998 to December 2010). Mean number and cost per individual of psychiatric healthcare use (hospitalizations, medical visits, psychoactive drug use) were calculated yearly for 5 years following autism spectrum diagnosis. Mean number of psychiatric visits decreased over time by more than threefold (7.5 vs 2.1 visits) from year 1 to year 5, whereas psychoactive drug use increased from 16.0 to 25.2 claims. Psychiatric hospitalizations decreased during follow-up, but still represented the greatest costs per individual (CAD9820 for year 1; CAD4628 for year 5). Antipsychotics represented over 50% of drug costs. Mixed-effect model with repeated measures showed that previous psychoactive drug use was the strongest predictor of greater psychiatric healthcare cost during follow-up (odds ratio: 9.96; 95% confidence interval: 7.58–13.10). These trends contrast with guidelines advocating cautious prescribing of antipsychotics with periodical re-assessment of their benefit.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».