MétaCan
Menu
Retour à la cohorte
Enregistrement W2998435774 · doi:10.1177/0009922819898182

A Comparison Study of Primary Care Utilization and Mental Health Disorder Diagnoses Among Children In and Out of Foster Care on Medicaid

2020· article· en· W2998435774 sur OpenAlexaboutno aff
Rachael J. Keefe, Bethanie S. Van Horne, Cary M. Cain, Katherine Budolfson, Richard Thompson, Christopher S. Greeley

Notice bibliographique

RevueClinical Pediatrics · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueChild Welfare and Adoption
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Texas Southwestern Medical Center
Mots-clésMedicineMedicaidMental healthFoster careMedical diagnosisFamily medicinePrimary careHealth careOddsQuarter (Canadian coin)Odds ratioPsychiatryNursingLogistic regression

Résumé

récupéré en direct d'OpenAlex

The purpose of this study was to compare the utilization of primary care services and presence of mental health disorder diagnoses among children in foster care to children on Medicaid not in foster care in a large health system. The data for this study were analyzed from a clinical database of a multipractice pediatric health system in Houston, Texas. The sample included more than 95 000 children covered by Medicaid who had at least one primary care visit during the 2-year study period. The results of the study demonstrated that children not in foster care had a greater number of primary care visits and the odds of having >3 visits were significantly lower for children in foster care with a mental health disorder diagnosis. Additionally, more than a quarter of children in foster care had a diagnosis of a mental health disorder, compared with 15% of children not in foster 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 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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,072
Score d'incertitude au seuil0,268

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,093
Tête enseignante GPT0,418
Écart entre enseignants0,325 · 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.

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

Citations15
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical PediatricsMême sujetChild Welfare and AdoptionTravaux en français237 207