Assessing the impact of psychiatric genetic counseling on psychiatric hospitalizations
Notice bibliographique
Résumé
Psychiatric genetic counseling (pGC) can improve patient empowerment and self-efficacy. We explored the relationship between pGC and psychiatric hospitalizations, for which no prior data exist. Using Population Data BC (a provincial dataset), we tested two hypotheses: (1) among patients (>18 years) with psychiatric conditions who received pGC between May 2010 and Dec 2016 (N = 387), compared with the year pre-pGC, in the year post-pGC there would be fewer (a) individuals hospitalized and (b) total hospital admissions; and (2) using a matched cohort design, compared with controls (N = 363, matched 1:4 for sex, diagnosis, time since diagnosis, region, and age, and assigned a pseudo pGC index date), the pGC cohort (N = 91) would have (a) more individuals whose number of hospitalizations decreased and (b) fewer hospitalizations post-pGC/pseudo-index. We also explored total days in hospital. Within the pGC cohort, there were fewer hospitalizations post-pGC than pre- pGC (p = 0.011, OR = 1.69), and total days in hospital decreased (1085 to 669). However, when compared to matched controls, the post-pGC/pseudo index change in hospitalizations among pGC cases was not statistically significant, even after controlling for the higher number of hospitalizations prior. pGC may lead to fewer psychiatric hospitalizations and cost savings; further studies exploring this are warranted.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».