Schizophrenia hospitalizations - a big data approach
Notice bibliographique
Résumé
Introduction Schizophrenia is characterized by long hospitalizations and a recurrent use of chronic and acute psychiatric care. Objectives The aim of this study was to analyze schizophrenia related hospitalizations in Portugal. Methods A retrospective observational study was conducted using a nationwide hospitalization database containing all hospitalizations registered in Portuguese public hospitals from 2008 to 2015.Hospitalizations with a primary diagnosis of schizophrenia were selected and schizophrenia subtypes were grouped using the International Classification of Diseases version 9, Clinical Modification(ICD-9-CM) codes of diagnosis 295.xx. Results There was a total of 25,385 hospitalizations in public hospitals of Portugal between 2008 and 2015 with a primary diagnosis of Schizophrenia or other psychotic disorders. A total of 14,279 patients were hospitalized during the study period with an average of 1,78 hospitalizations episodes per patient in the 8-year interval(0.22 hospitalizations/patient/year). 68.0% of the hospitalizations occurred in male patients and the median length of stay was 18.0 days. Mean hospitalization charges were 3,509.7€ per hospitalization, summed to a total charge of 89.1M€. Throughout the study period there was a significant linear decrease in the number of hospitalizations (r = 0.940; B= -47.488; p = 0.001). The last year of the study(2015) had the lowest number of hospitalizations with a total of 2,958 (vs. 3,314 in 2008). When adjusted for the yearly population, there was also a decrease of the number of hospitalizations per 100,000 inhabitants from 31.39 to 28.56 hospitalizations per 100,000 inhabitants between 2008 and 2015, respectively. Conclusions We found differences in hospitalization characteristics by gender, age and primary diagnosis. Disclosure No significant relationships.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».