Patterns of Child Mental Health Service Utilization Within a Multiple EBP System of Care
Notice bibliographique
Résumé
The current study (1) characterizes patterns of mental health service utilization over 8 years among youth who received psychotherapy in the context of a community implementation of multiple evidence-based practices (EBPs), and (2) examined youth-, provider- and service-level predictors of service use patterns. Latent profile analyses were performed on 5,663,930 administrative claims data furnished by the county department of mental health. Multinomial logistic regression with Vermunt's method was used to examine predictors of care patterns. Based on frequency, course, cost, and type of services, three distinct patterns of care were identified: (1) Standard EBP Care (86.3%), (2) Less EBP Care (8.5%), and (3) Repeated/Chronic Care (5.2%). Youth age, ethnicity, primary language, primary diagnosis and secondary diagnosis, provider language and provider type, and caregiver involvement and service setting were significant predictors of utilization patterns. Although the majority of youth received care aligned with common child EBP protocols, a significant portion of youth (13.7%) received no evidence-based care or repeated, costly episodes of care. Findings highlight opportunities to improve and optimize services, particularly for youth who are adolescents or transition-aged, Asian-American/Pacific Islander, Spanish-speaking, or presenting with comorbidities.
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) | 0,000 | 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 ».