A scoping review of cardiovascular risk factor screening rates in general or family practice attendees living with severe mental ill-health
Notice bibliographique
Résumé
BACKGROUND: Primary care is essential to address the unmet physical health needs of people with severe mental ill-health. Continued poor cardiovascular health demands improved screening and preventive care. No previous reviews have examined primary care cardiovascular screening rates for people living with severe mental ill-health; termed in the literature "severe mental illness". METHODS: A scoping review following Joanna Briggs Institute methodology was conducted. Cardiovascular risk factor screening rates in adults with severe mental ill-health were examined in general or family practices (as the main delivery sites of primary care). Literature published between 2001 and 2023 was searched using electronic databases including Medline, Embase, Web of Science, PsychINFO and CINAHL. Two reviewers independently screened titles and abstracts and conducted a full-text review. The term "severe mental illness" was applied as the term applied in the literature over the past decades. Study information, participant details and cardiovascular risk factor screening rates for people with 'severe mental illness' were extracted and synthesised. RESULTS: Thirteen studies were included. Nine studies were from the United Kingdom and one each from Canada, Spain, New Zealand and the Netherlands. The general and/or family practice cardiovascular disease screening rates varied considerably across studies, ranging from 0 % to 75 % for people grouped within the term "severe mental illness". Lipids and blood pressure were the most screened risk factors. CONCLUSIONS: Cardiovascular disease screening rates in primary care settings for adults living with severe mental ill-health varied considerably. Tailored and targeted cardiovascular risk screening will enable more comprehensive preventive care to improve heart health outcomes and address this urgent health inequity.
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 | 0,020 | 0,104 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,008 | 0,007 |
| Bibliométrie | 0,026 | 0,031 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 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 ».