Predictors of no, low and frequent emergency department use for any medical reason among patients with cannabis‐related disorders attending Quebec (Canada) addiction treatment centres
Notice bibliographique
Résumé
INTRODUCTION: Patients with substance-related disorders and mental disorders (MD) contribute substantially to emergency department (ED) overcrowding. Few studies have identified predictors of ED use integrating service use correlates, particularly among patients with cannabis-related disorders (CRD). This study compared predictors of low (1-2 visits/year) or frequent (3+ visits/year) ED use with no ED use for a cohort of 9836 patients with CRD registered at Quebec (Canada) addiction treatment centres in 2012-2013. METHODS: This longitudinal study used multinomial logistic regression to evaluate clinical, sociodemographic and service use variables from various databases as predictors of the frequency of ED use for any medical reason in 2015-2016 among patients with CRD. RESULTS: Compared to non-ED users with CRD, frequent ED users included more women, rural residents, patients with serious MD and chronic CRD, dropouts from programs in addiction treatment centres and with less continuity of physician care. Compared with non-users, low ED users had more common MD and there more workers than students. DISCUSSION AND CONCLUSIONS: Multimorbidity, including MD, chronic physical illnesses and other substance-related disorders than CRD, predicted more ED use and explained frequent use of outpatient services and prior specialised acute care, as did being 12-29 years, after controlling for all other covariates. Better continuity of physician care and reinforcement of programs like assertive community or integrated treatment, and chronic primary care models may protect against frequent ED use. Strategies like screening, brief intervention and treatment referral, including motivational therapy for preventing treatment dropout may also be expanded to decrease ED use.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».