Increasing access to specialist care with group medical visits: summary of a pilot in a post-crisis psychiatric clinic
Notice bibliographique
Résumé
Background Group medical visits (GMVs) have strong evidence of acceptability and effectiveness in the management of chronic medical diseases. Adaptation of GMVs for psychiatric care has potential to increase access, decrease stigma and save costs. Despite promise, this model has not been widely adopted. Methods A novel GMV pilot was implemented for psychiatric care post-crisis among patients with primary mood or anxiety disorders who required medication management. Participants filled out PHQ-9 and GAD-7 scales at each visit in order to track their progress. After discharge, charts were reviewed for demographics, medication changes and symptom changes. Patient characteristics were compared between those who attended and those who didn't. Changes in total PHQ-9 and GAD-7 scores among attendees were assessed with paired t -tests. Results Forty-eight patients were enrolled between October 2017 and the end of December 2018, 41 of whom consented to participate. Of those, 10 did not attend, 8 attended but did not complete, and 23 completed. Baseline PHQ-9 and GAD-7 scores did not differ significantly between groups. Significant and meaningful reductions in PHQ-9 and GAD-7 scores from baseline to last visit attended occurred among those who attended at least 1 visit (decrease of 5.13 and 5.26 points, respectively). Conclusions This GMV pilot demonstrated feasibility of the model as well as positive outcomes for patients recruited in a post-crisis setting. This model has the potential to increase access to psychiatric care in the face of limited resources, however the failure of the pilot to sustain highlights challenges to be addressed in future pivots.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».