Vulnerable Populations: Comparison of Characteristics of Adolescent Inpatients with Substance Use Disorder and a History of Child Maltreatment to Inpatients without a History of Child Maltreatment: A Retrospective Chart Review
Notice bibliographique
Résumé
Background: Adolescent inpatients with substance use disorder (SUD) and a history of child maltreatment (CM) present a vulnerable population at considerable risk of poor health and social outcomes. The aims of this study were to explore the proportion of adolescent inpatients with SUD and a history of CM and to compare these patients to inpatients with SUD and no history of CM. Methods: In this retrospective chart review, we explored adolescent patients who were consecutively admitted to a regional child and adolescent inpatient unit for psychiatric care and met DSM (5th ed) criteria for SUD. A standardized form was created and used to extract clinical information and psychosocial histories. Results: From 1 September 2019 to 28 February 2020, 126 adolescents were admitted with SUD, and for 80 (63.3%) patients, a history of CM was recorded in the medical charts. Patients with a history of CM were significantly more likely to be female (p = 0.02), have longer lengths of stay (p = 0.04), to be readmitted (p = 0.03), be diagnosed with trauma/stress-related (p = 0.04) and eating disorders (p = 0.05), to have a parent with a mental illness (p = 0.01), experienced physical (p < 0.01) and sexual (p < 0.01) assaults and homelessness (p < 0.01), and to engage in self-harming behaviors (p < 0.01) than inpatients with SUD but no history of CM. Conclusions: Almost two-thirds of adolescent inpatients with an SUD reported a history of CM. Addressing their specific clinical and psychosocial vulnerabilities through comprehensive treatment and discharge plans may reduce readmission and improve quality of life.
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 | 0,000 |
| 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 ».