Care trajectories around a first dementia diagnosis in patients with serious mental illness
Notice bibliographique
Résumé
AIM: To develop a typology of care trajectories (CTs) 1 year before and after a first dementia diagnosis in individuals aged ≥65 years, with prevalent schizophrenia or bipolar disorder. METHODS: This was a longitudinal, retrospective cohort study using health administrative data (1996-2016) from Quebec (Canada). We selected patients aged ≥65 years with an incident diagnosis of dementia between 1 January 2014 and 31 December 2016, and a diagnosis of schizophrenia and/or or bipolar disorder. A CT typology was generated by a multidimensional state sequence analysis based on the "6 W" model of CTs. Three dimensions were considered: the care setting ("where"), the reason for consultation ("why") and the specialty of care providers ("which"). RESULTS: In total, 3868 patients were categorized into seven distinct types of CTs, with varying patterns of healthcare use and comorbidities. Healthcare use differed in terms of intensity, but also in its distribution around the diagnosis. For instance, whereas one group showed low healthcare use, healthcare use abruptly increased or decreased after the diagnosis in other groups, or was equally distributed. Other significant differences between CTs included mortality rates and use of long-term care after the diagnosis. Most patients (67%) received their first dementia diagnosis during hospitalization. CONCLUSIONS: Our innovative approach provides a unique insight into the complex healthcare patterns of people living with serious mental illness and dementia, and provides an avenue to support data-driven decision-making by highlighting fragility areas in allocating care resources. Geriatr Gerontol Int 2024; 24: 577-586.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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) | 0,001 | 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 ».