Cluster Analysis of Care Pathways in Adults with Major Depressive Disorder with Acute Suicidal Ideation or Behavior in the USA
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVE: Suicidal ideation or behavior are core symptoms of major depressive disorder (MDD). This study aimed to understand heterogeneity among patients with MDD and acute suicidal ideation or behavior. METHODS: Databases (10/01/2014-04/30/2019). A mathematical algorithm was used to cluster patients on characteristics of care measured pre-index. Patient care pathways were described by cluster during the 12-month pre-index period and up to 12 months post-index. RESULTS: Among 38,876 patients with MDD and acute suicidal ideation or behavior, three clusters were identified. Across clusters, pre-index exposure to mental healthcare was revealed as a key differentiator: Cluster 1 (N = 16,025) was least exposed, Cluster 2 (N = 5640) moderately exposed, and Cluster 3 (N = 17,211) most exposed. Patients whose MDD diagnosis was first observed during their index event comprised 86.0% and 72.8% of Clusters 1 and 2, respectively; in Cluster 3, all patients had an MDD diagnosis pre-index. Within 30 days post-index, in Clusters 1, 2, and 3, respectively, 79.3%, 85.2%, and 88.2% used mental health services, including outpatient visits for MDD. Within 12 months post-index, 61.5%, 91.5%, and 84.6% had one or more antidepressant claim, respectively. Per-patient index event costs averaged $5614, $6645, and $5853, respectively. CONCLUSIONS: Patients with MDD and acute suicidal ideation or behavior least exposed to the healthcare system pre-index similarly received the least care post-index. An opportunity exists to optimize treatment and follow-up with mental health services.
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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».