MétaCan
Menu
Retour à la cohorte
Enregistrement W4292099932 · doi:10.1177/13558196221119913

Mental health emergencies attended by ambulances in the United Kingdom and the implications for health service delivery: A cross-sectional study

2022· article· en· W4292099932 sur OpenAlexfundno aff
Harriet Elizabeth Moore, A Niroshan Siriwardena, Mark Gussy, Robert Spaight

Notice bibliographique

RevueJournal of Health Services Research & Policy · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueEmergency and Acute Care Studies
Établissements canadiensnon disponible
Organismes subventionnairesMcMaster University
Mots-clésMental healthAttendanceMedicineContext (archaeology)AnxietyMedical diagnosisMedical recordMedical emergencyObservational studyEmergency medical servicesFamily medicinePsychiatry

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: In the context of increasing demand for ambulance services, emergency mental health cases are among the most difficult for ambulance clinicians to attend, partly because the cases often involve referring patients to other services. We describe the characteristics of mental health emergencies in the East Midlands region of the United Kingdom. We explore the association between 999 (i.e. emergency) call records, the clinical impressions of ambulance clinicians attending emergencies and the outcomes of ambulance attendance. We consider the implications of our results for optimizing patient care and ambulance service delivery. METHODS: We conducted a retrospective observational study of records of all patients experiencing mental health emergencies attended by ambulances between 1 January 2018 and 31 July 2020. The records comprised details of 103,801 '999' calls (Dispatch), the preliminary diagnoses by ambulance clinicians on-scene (Primary Clinical Impression) and the outcomes of ambulance attendance for patients (Outcome). RESULTS: < 0.01). Dispatch was a poor predictor of Primary Clinical impression. The most common predictors of Outcome care pathways other than 'Treated and transported' were records of respiratory conditions at Dispatch and anxiety reported by clinicians on-scene. CONCLUSIONS: Drawing on the expertise of mental health specialists may help '999' dispatchers distinguish between physical and mental health emergencies and refer patients to appropriate services earlier in the response cycle. Further investigation is needed to determine if training Dispatch operatives for early triage and referral can be appropriately managed without compromising patient safety.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,084

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,139
Tête enseignante GPT0,522
Écart entre enseignants0,383 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Health Services Research & PolicyMême sujetEmergency and Acute Care StudiesTravaux en français237 207