T102. TELEPROM-Y: IMPROVING ACCESS AND EXPERIENCE OF MENTAL HEALTHCARE FOR YOUTH THROUGH VIRTUAL MODELS OF CARE
Notice bibliographique
Résumé
Abstract Background About 1 in 5 youth have a mental illness, with 75 percent of all mental illnesses having their onset in childhood or adolescence (Kim-Cohen et al., 2003). In Ontario, 157,900 youth rated their mental health as fair or poor, a significant increase from 2007 (Boak et al., 2014). Not only do mental health concerns cause difficulties at onset, they can also disrupt important life transitions and developmental milestones, as well as being burdensome throughout the individual’s lifespan (Ratnasingham et al., 2012). Consequently, new care approaches are needed. The TELEPROM-Y project will evaluate outpatient health care delivery using InputHealth’s electronic Collaborative Health Record (CHR) at London Health Sciences Centre, St. Joseph’s Health Care London, Woodstock General Hospital, and community agencies including Youth Opportunities Unlimited, WAYS Mental Health Support, and Leads Employment Services. Methods 120 youth (ages 14–25) will be recruited from the caseloads of 46 mental healthcare providers. Participants will use a smartphone application (app) to connect to the Collaborative Health Record. Semi-structured interviews will be conducted at baseline, 6, and 12 months. This is a participatory action research project utilizing a pre-post, mixed-methods design. A standardized evaluation framework will be instituted to facilitate systematic effectiveness, economic, ethical, and policy analyses. Some of the functions of the app, available for Apple and Android phones, include: making/changing/cancelling appointments; text messaging; emailing, and filling out questionnaires/surveys. If the youth are unable to attend a scheduled appointment in person, the care-provider and youth can have a virtual visit, similar to FaceTime or Skype. Virtual visits should reduce missed appointments. Results Descriptive information thus far of 104 participants: Psychotic Disorder (e.g. schizophrenia) (13, 12.6%), Developmental handicap (e.g. Autism) (7, 6.8%), Anxiety Disorder (e.g. PTSD) (73, 70.9%), Disorder of childhood/adolescence (e.g. ADHD) (37, 35.9%), Substance-related disorder (13, 12.6%), Personality Disorder (17, 16.5%), Mood Disorder (e.g. depression, bipolar mood disorder) (70, 68.0%), Unknown (4, 3.9%), Other (19, 18.4%). Discussion We anticipate that through the usage of the TELEPROM-Y app the participant and care-provider experience will be enhanced, leading to 1) improved healthcare outcomes and patient quality of life, and 2) reduced healthcare costs by preventing hospitalization and reducing the need for face-to-face outpatient visits.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,027 | 0,002 |
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 ».