Health disparities among rural individuals with mental health conditions: A systematic literature review.
Notice bibliographique
Résumé
There is growing concern about the availability of healthcare services for rural patients. This systematic literature review evaluates original research on health disparities among rural and urban populations with mental health conditions in North America. Using PRISMA guidelines, we used four electronic databases (Pubmed, Cochrane, PsychInfo, Web of Science) and hand searches and included original research conducted in the United States or Canada before July 2021 that compared health outcomes of patients with any mental health disorder in rural versus non-rural areas. Both qualitative and quantitative data were extracted including demographics, mental health condition, health disparity measure, rural definition, health outcome measures/main findings, and delivery method. To evaluate study quality, the modified Newcastle Ottawa Scale was used. Our initial search returned 491 studies and 17 studies met final inclusion criteria. Mental health disorders included schizophrenia (4 studies), PTSD (10), mood disorders (9), and anxiety disorders (6). Total sample size was 5,314,818 with the majority being military veterans. Six studies (35.2%) showed no significant rural-urban disparities while eleven (64.7%) identified at least one. Of those, nine reported worse outcomes for rural patients. The most common disparities were diagnostic differences, increased suicide rates and access problems. This review found mixed results regarding outcomes in rural patients with mental health disorders. Disparities were found regarding risk of suicide and access to services. Telehealth in addition to in person outreach to these rural communities may be alternatives to impact these 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
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 ».