Predicting patterns of service utilization within children’s mental health agencies
Notice bibliographique
Résumé
BACKGROUND: Some children with mental health (MH) problems have been found to receive ongoing care, either continuously or episodically. We sought to replicate patterns of MH service use over extended time periods, and test predictors of these patterns. METHODS: Latent class analyses were applied to 4 years of visit data from five MH agencies and nearly 6000 children, 4- to 13-years-old at their first visit. RESULTS: Five patterns of service use were identified, replicating previous findings. Overall, 14% of cases had two or more episodes of care and 23% were involved for more than 2 years. Most children (53%) were seen for just a few visits within a few months. Two patterns represented cases with two or more episodes of care spanning multiple years. In the two remaining patterns, children tended to have just one episode of care, but the number of sessions and length of involvement varied. Using discriminant function analyses, we were able to predict with just over 50% accuracy children's pattern of service use. Severe externalizing behaviors, high impairment, and high family burden predicted service use patterns with long durations of involvement and frequent visits. CONCLUSIONS: Optimal treatment approaches for children seen for repeated episodes of care or for care lasting multiple years need to be developed. Children with the highest level of need (severe pathology, impairment, and burden) are probably best served by providing high intensity services at the start of care.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 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) | 0,002 | 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 ».