Providing crisis care in a pandemic: a virtual based crisis stabilization unit
Notice bibliographique
Résumé
Background Winnipeg, Canada operates a 16-bed subacute unit, the Crisis Stabilization Unit (CSU), for voluntary patients in crisis not requiring hospital admission. The virtual CSU (vCSU) launched in March 2020 as an adjunct to the in-person CSU during the COVID-19 pandemic, providing the same resources virtually, allowing patients to remain at home. Methods Program data were collected for vCSU admissions between April 1, 2020 and April 7, 2021 ( n = 266) to examine patient characteristics and discharge outcomes. Data were retrieved from the electronic patient record (EPR) for both in-person and vCSU admissions during the same period for comparison ( n = 712). vCSU admissions ( n = 191) were summarized by patient demographics, clinical factors/outcomes, and compared on the same measures to in-person CSU admissions ( n = 521) using binary logistic regression. Results 30.1% of patients admitted to the vCSU received initial mental health assessment virtually (phone/videoconference), therefore receiving all care at home. Clinical symptoms at assessment included depression/anxiety (39.0%), psychosis/mania (2.7%), suicidal behaviour/self-harm (27.4%), psychosocial event/stressor (19.8%). Average stay was 4.9 days. Compared to the in-person CSU, vCSU referrals were associated with the absence of psychosis [odds ratio (OR).40, 95% confidence interval (CI).18–0.89] and no prior 1-year contact with referral site (OR.43, 95% CI.28–0.64). Those living farther away from the referral site were more likely to receive a vCSU referral. Conclusion The vCSU model is feasible for a diverse group of patients experiencing mental health crises. Future work is needed to better determine who the model is right for and examine longer term outcomes.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| 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 ».