Absconding among admitted patients with bipolar affective disorder diagnosis in Uganda
Notice bibliographique
Résumé
BACKGROUND: Hospitalization is often necessary for individuals with Bipolar affective Disorder (BAD) during severe manic or depressive episodes, as well as for stabilizing treatment regimens. However, a significant proportion of patients admitted for treatment of BAD abscond or leave the hospital without permission during their stay. In addition, patients managed for BAD may have unique characteristics that might force them into absconding. For example, the high prevalence of co-morbid substance use disorder - craving to use substances, suicidal behaviors - attempts to die by suicide, and cluster B personality disorders - characterized by impulsive acts. It is, therefore, essential to understand the factors contributing to absconding among patients with BAD, to facilitate designing strategies for preventing and managing this behavior. METHOD: This study was based on a retrospective chart review of the inpatients diagnosed with BAD at a tertiary psychiatry facility in Uganda from January 2018 to December 2021. RESULTS: Approximately 7.8% of those with BAD absconded from the hospital. The likelihood of absconding among those with BAD increased with the use of cannabis [adjusted odds ratio (aOR) = 4.00, 95% confidence interval (CI) = 1.22-13.09, p-value = 0.022] and having mood lability [aOR = 2.15, 95% CI = 1.10-4.21, p-value = 0.025]. However, receiving psychotherapy during the admission (aOR = 0.44, 95 CI = 0.26-0.74, p-value = 0.002) and treatment with haloperidol (aOR = 0.39, 95% CI = 0.18-0.83, p-value = 0.014) reduced the likelihood of absconding. CONCLUSION: Absconding among patients with BAD is common in Uganda. Those with symptoms of affective lability and those with comorbid cannabis use tend to abscond more, while those who receive haloperidol and psychotherapy are less likely to abscond.
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 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».