Benefits following community treatment orders have an inverse relationship with rates of use: meta-analysis and meta-regression
Notice bibliographique
Résumé
BACKGROUND: Community treatment order (CTO) use in Australia and New Zealand ranges from less than 40 per 100 000 population in Western Australia and Canterbury to over 100 per 100 000 in Victoria, South Australia and Waitemata. Recent publications on CTO use now permit a meta-regression to investigate whether differences in CTO use by jurisdiction affect either the possible predictors or outcomes of CTOs. AIMS: To assess whether factors associated with CTO placement or subsequent outcomes vary by rates of use. METHOD: A systematic search of PubMed/Medline, Embase, CINAHL, the Cochrane Central Register of Controlled Trials and PsycINFO for any Australian or New Zealand study comparing CTO cases with controls receiving voluntary psychiatric treatment. This study was prospectively registered with PROSPERO (protocol registration number: CRD42022351500). RESULTS: There were 35 articles from 16 studies identified in the search, plus unpublished data from a further study. Of these, 29 publications were included in meta-analyses. Two were from New Zealand. People who were male, single and not engaged in work, study or home duties were significantly more likely to be on CTOs. In addition, those from migrant backgrounds were 47% more likely to be on an order. On meta-regression, cases in jurisdictions with higher CTO rates had higher proportions of females or individuals with diagnoses other than non-affective psychoses. High-use jurisdictions were also less likely to show reductions in readmission rates or bed-days. CONCLUSIONS: There are marked differences in the possible predictors and outcomes of CTO placement between high- and low-use jurisdictions in Australia and New Zealand. These findings may have implications elsewhere and indicate that better-targeted CTO placement might improve outcomes.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».