Perceived unmet substance use and mental health care needs of acute care patients who use drugs: A cross‐sectional analysis using the Behavioral Model for Vulnerable Populations
Notice bibliographique
Résumé
INTRODUCTION: The perceived unmet service needs of acute care-seeking people who use illegal drugs (PWUD) have been poorly documented, despite evidence of frequent hospital utilisation. This study applies the Behavioral Model for Vulnerable Populations to investigate correlates of unmet service needs in this subpopulation. METHODS: Survey data from 285 PWUD at three urban Canadian acute care centres were examined. The survey included the Perceived Need for Care Questionnaire, which measured service seeking and care satisfaction for mental health and substance use concerns across seven types of services, as well as barriers to having care needs met. The Behavioral Model for Vulnerable Populations was applied in hierarchical setwise logistic regression to examine associations between high unmet service need and socio-structural predictors (i.e. predisposing, enabling and need factors). RESULTS: Almost half (46%) of participants reported a high level of unmet service need, despite seeking services during the past year. Participants reporting recent criminal activity, adverse childhood experiences, transitory sleeping, having no community support worker, and meeting screening criteria for depression were more likely to report a high level of unmet service needs. Structural barriers to care (57%) were more commonly reported than motivational barriers (43%). DISCUSSION AND CONCLUSIONS: Acute care-seeking PWUD experience high rates of unmet service needs for their mental health and substance use problems. Strategies that can help overcome structural barriers to care are necessary to help address the service needs of this population.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 ».