Use, costs, and predictors of psychiatric healthcare services following an autism spectrum diagnosis: Population-based cohort study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle