Assessing and managing children with urgent psychiatric needs during COVID-19
Notice bibliographique
Résumé
To reduce person-to-person transmission of COVID-19 Canada implemented restrictions at com-munity and hospital levels At Kingston Health-Science-Centre most outpatient psychiatric services, including the Child and Adolescent Mental Health Urgent Consult Clinic (CAMHUCC), were transitioned from in-person to virtual clinics The aim of this study is to examine changes in referrals to CAMHUCC and in management of youth referred for urgent psychiatric consult Methods: This retrospective study compares all patients <18years assessed by the CAMHUCC after the switch to the virtual clinic model (March to May 2020;COVID group), with patients who were assessed for the same time period in 2019 (Pre-COVID group) Groups are compared by their demographic and clinical characteristics Results: All patients agreed to the assessment through telepsychiatry There are less referrals during the COVID than in the Pre-COVID period (63 vs 84) Demographic and clinical characteristics between the two groups are without significant difference In the COVID group there is a slightly higher number of indigenous children and patients diagnosed with adjustment disorder There is no significant dif-ference in recommendations between the groups However, implementation of recommendations differs in that those in the COVID group requiring behavior intervention and or psychoeducational assessment, could not be provided the service as these were not feasible via OTN Conclusion: The pandemic-related restrictions and the switch to an online clinic model does not negatively impact urgent psychiatric assessment and management of youth but does affect available resources Further research is warranted to evaluate the long-term effect of those changes
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».