Characterizing posttraumatic stress disorder in primary care using electronic medical records: a retrospective cohort study
Notice bibliographique
Résumé
Context: Posttraumatic stress disorder (PTSD) is a chronic mental health disorder associated with significant morbidity and economic cost. Primary care providers are frequently involved in the ongoing management of patients experiencing PTSD, as well as related comorbid conditions. Despite recognized need to enhance PTSD management in primary care settings, knowledge regarding its prevalence in these settings is limited. Objective: To apply a validated case definition of PTSD to electronic medical records (EMRs) of family physicians and nurse practitioners participating in the Canadian Primary Care Sentinel Surveillance Network (CPCSSN). Study Design: Retrospective cross-sectional study. Dataset: This study accessed de-identified EMR from 1,574 primary care providers participating in the CPCSSN. Population Studied: The study population included all patients with at least one visit to a primary care provider participating in the CPCSSN between January 1, 2017 and December 31, 2019 (N = 689,301). Outcome Measures: We identified patients with PTSD and described associations between PTSD and patient characteristics (including sex, age, geography, depression, anxiety, medical comorbidities, substance use and social and material deprivation) using multivariable logistic regression models. Results: Among the 689,301 patients meeting inclusion criteria, 8,213 (1.2%) had a diagnosis of PTSD. Patients with PTSD were significantly more likely to reside in an urban location (84.9% vs. 80.4%; p-value <.0001) and have one or more comorbid conditions (90.8% vs. 70.2%; p-value <.0001). On multivariable logistic regression analysis, patients with depression (OR 4.8; 95%CI 4.6-5.1) and anxiety (OR 2.2; 95%CI 2.1-2.3) had increased odds of having PTSD compared to patients without depression or anxiety. Patients with alcohol (OR 1.8; 95%CI 1.6-1.9) and drug (OR 3.1; 95%CI 2.9-3.3) use disorders had significantly higher odds of PTSD compared to patients without these disorders. Patients in the most deprived neighborhoods based on census data had 4.2 times higher odds of have PTSD (95%CI 3.2-5.43) compared to patients in the least deprived areas. Conclusions: This is the first study to describe PTSD prevalence in a large Canadian sample of primary care patients using an EMR-based case definition. Characterizing patients with PTSD in primary care may improve disease surveillance and inform the interdisciplinary care required to manage PTSD symptoms.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».