Underdetection of pre-existing HIV/AIDS during psychiatric hospitalizations
Notice bibliographique
Résumé
OBJECTIVES: People with severe mental illness are 10 times more likely to have HIV/ AIDS than the general population, yet little is known about the characteristics and frequency of recognition of pre-existing HIV/AIDS diagnoses among inpatients with severe mental illness. This study examines documentation rates of pre-existing HIV/ AIDS among inpatients within psychiatric hospitals in New York State. DESIGN: Retrospective cohort study to examine recognition of pre-existing HIV/AIDS among psychiatric inpatients. METHODS: Patient-level Medicaid claims records were linked with hospital and regional data for people admitted to psychiatric inpatient units in New York State. Presence of HIV/AIDS diagnoses prior to psychiatric hospitalization was coded for each inpatient (n = 14 602). Adjusted odds ratios of undocumented HIV/AIDS diagnoses at the time of discharge were calculated using logistic regression analyses. RESULTS: About 5.1% (741/14 602) of unique psychiatric inpatients had pre-existing HIV/AIDS diagnoses. Of these inpatients, 58.3% (432/741) were not coded as having HIV/AIDS upon discharge. Higher rates of missed detection were associated with younger age, non-Hispanic white race/ethnicity, shorter length of stay, more distal coding of an HIV/AIDS diagnosis, and fewer HIV/AIDS-related Medicaid claims in the past year. Hospitals with higher readmission rates also had higher rates of undetected HIV/AIDS diagnoses. CONCLUSION: Over half of inpatients previously diagnosed with HIV/AIDS did not have their HIV-positive status noted upon discharge from psychiatric hospitalization. This finding underscores how frequently clinically significant medical comorbidities fail to be incorporated into psychiatric treatment and treatment planning. Inpatient clinicians are missing important opportunities to optimize HIV/AIDS treatment and reduce morbidity and mortality.
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 | 0,001 |
| 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) | 0,002 | 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 ».