M82. GROWING BURDEN OF DISEASE: THE PREVALENCE OF CHRONIC HEALTH CONDITIONS AFTER A FIRST EPISODE OF PSYCHOSIS
Notice bibliographique
Résumé
Abstract Background Over 12% of Canadians live with two or more (2+) co-occurring chronic physical health conditions or multimorbidity. This proportion is expected to rise with increased exposure to risk factors for these diseases. People with psychotic disorders often have co-occurring chronic physical health conditions; however, to date there has been a paucity of research on the prevalence of multimorbidity among people with psychosis. The objective of our study was to examine the prevalence of multimorbidity ten years after a first episode of psychosis (FEP) utilizing data from a retrospective cohort study based on health administrative data. Methods The health administrative dataset has been linked to data from the Prevention and Early Intervention Program for Psychoses in London, Canada to enable identification of FEP patients (n=455). FEP patients were compared to a randomly selected comparison group from the general population (n=1,783), matched on age, gender, and neighbourhood. This cohort has been followed for a 10-year period in the health administrative data to ascertain the prevalence of physical comorbidities. Results Preliminary analyses on 2,238 patients (557 females, 1,681 males) at 10-year follow-up, reveals that 32.1% (95% CI 28.0%, 36.5%) of FEP patients have 2+ conditions, as compared to 15.1% (95% CI 13.6%, 16.9%) of people without psychosis. Full results on risk factors for multimorbidity will be presented. Discussion The findings from this study will facilitate increased surveillance and recognition of the common physical health conditions faced by people with psychosis, including those contributing to premature mortality of this patient population. This information aims to assist decision-makers in creating tailored intervention plans to improve the physical health of patients with psychotic disorders, and integrate care across multiple specialties to reduce the growing burden of disease to the Canadian health system.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».