The development and validation of a marginalization index for inpatient psychiatry
Notice bibliographique
Résumé
BACKGROUND: Marginalization is a multidimensional social construct that influences the mental health status of individuals and their use of psychiatric services. However, its conceptualization and measurement are challenging due to inconsistencies in definitions, and the lack of standard data sources to measure this construct. AIMS: To create an index for screening marginalization based on an existing comprehensive assessment system used in inpatient psychiatry. METHOD: Items anticipated to be indicative of marginalization were identified from the Resident Assessment Instrument-Mental Health (RAI-MH) that is used in all inpatient mental health beds in Ontario, Canada. Principal Component Analysis (PCA) and cluster analysis of these items was performed on a sample of 81,232 patients admitted into psychiatric care in Ontario between 1 January 2011 and 31 December 2016 to identify dimensions being measured. Various weights and scoring methods were tested to assess convergent validity on multiple outcomes of marginalization. Receiver Operating Characteristic (ROC) curve analysis was utilized to determine optimal cut-offs for the index by modeling the likelihood of different marginalization outcomes, including homelessness. RESULTS: Fifteen items were identified for the development of the Marginalization Index (MI). PCA and cluster analysis identified that the items measured five dimensions. ROC curve analysis among homeless individuals identified an Area Under the Curve of 0.76 and an optimal cut-off of five on the MI. Frequency analysis of the index by different characteristics identified homeless individuals, frequent mental health service users, persons with a history of violence and police intervention, and persons with addictions issues, as groups with the highest scores, confirming the convergent validity of the index. CONCLUSION: The MI is a valid measure of marginalization and is strong predictor of risk of homelessness among psychiatric inpatients. MI provides a resource that can be used for social and health policy, decision-support and evaluation.
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 | 0,012 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».