MétaCan
Menu
← Retour à la cohorte
Enregistrement W4298088187 · doi:10.2196/37746

Telehealth-Supported Decision-making Psychiatric Care for Suicidal Ideation: Longitudinal Observational Study

2022· article· en· W4298088187 sur OpenAlexvenueno aff
Erin O’Callaghan, Nicole E. Mahrer, Heather G. Belanger, Scott Sullivan, Christine Lee, Carina Gupta, Mirène Winsberg

Notice bibliographique

RevueJMIR Formative Research · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueSuicide and Self-Harm Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSuicidal ideationTelehealthObservational studyPsychiatryPsychologyLongitudinal studyMedicineClinical psychologySuicide preventionPoison controlMedical emergencyHealth careTelemedicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Suicide is a leading cause of death in the United States, and suicidal ideation (SI) is a significant precursor and risk factor for suicide. OBJECTIVE: This study aimed to examine the impact of a telepsychiatric care platform on changes in SI over time and remission, as well as to investigate the relationship between various demographic and medical factors on SI and SI remission. METHODS: Participants included 8581 US-based adults (8366 in the treatment group and 215 in the control group) seeking treatment for depression, anxiety, or both. The treatment group included patients who had completed at least 12 weeks of treatment and had received a prescription for at least one psychiatric medication during the study period. Providers prescribed psychiatric medications for each patient during their first session and received regular data on participants. They also received decision support at treatment onset via the digital platform, which leveraged an empirically derived proprietary precision-prescribing algorithm to give providers real-time care guidelines. Participants in the control group consisted of individuals who completed the initial enrollment data and completed surveys at baseline and 12 weeks but did not receive care. RESULTS: Greater feelings of hopelessness, anhedonia, and feeling bad about oneself were most significantly correlated (r=0.24-0.37) with SI at baseline. Sleep issues and feeling tired or having low energy, although significant, had lower correlations with SI (r=0.13-0.14). In terms of demographic variables, advancing age and education were associated with less SI at baseline (r=-0.16) and 12 weeks (r=-0.10) but less improvement over time (r=-0.12 and -0.11, respectively). Although not different at baseline, the SI expression was evident in 34.4% (74/215) of the participants in the control group and 12.32% (1031/8366) of the participants in the treatment group at 12 weeks. Although the participants in the treatment group improved over time regardless of various demographic variables, participants in the control group with less education worsened over time, after controlling for age and depression severity. A model incorporating the treatment group, age, sex, and 8-item Patient Health Questionnaire scores was 77% accurate in its classification of complete remission. Those in the treatment group were 4.3 times more likely (odds ratio 4.31, 95% CI 2.88-6.44) to have complete SI remission than those in the control group. Female participants and those with advanced education beyond high school were approximately 1.4 times more likely (odds ratio 1.38, 95% CI 1.18-1.62) to remit than their counterparts. CONCLUSIONS: The results highlight the efficacy of an antidepressant intervention in reducing SI, in this case administered via a telehealth platform and with decision support, as well as the importance of considering covariates, or subpopulations, when considering SI. Further research and refinement, ideally via randomized controlled trials, are needed.

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)0,002
score de la tête « metaresearch » (Gemma)0,008
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 enseignants0,013
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,197
Tête enseignante GPT0,508
Écart entre enseignants0,311 · 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

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative Research→Même sujetSuicide and Self-Harm Studies→Travaux en français237 207→