Evaluation of a barriers to discharge screening in a mental health impatient unit
Notice bibliographique
Résumé
BACKGROUND: People admitted to inpatient mental health units have a variety of social problems such as homelessness, lack of funding or poor social support. This can be reflected in longer length of stay. The goal of the study is to assess the predictive validity of the Barriers to Discharge questionnaire scores on length of stay in a Mental Health inpatient unit.METHODS: Two thousand three hundred fifty-five inpatients were analyzed with a mean age of 38.9±16.0 years, 51% were male and the mean log of length of stay in days was 1.23±1.11. The barrier to discharge score continuous variable was transformed in categorical variable, and the categories were fixed as follows: 0-121 points: low risk; 122-199 points: medium-low risk; 200-274 points: medium-high risk; 275-817 points high risk, according to the definition of the creators of the questionnaire. A multiple linear regression model was used with log of Length of stay in days as dependent variable.RESULTS: People belonging to the “low risk” category showed a significantly lower length of stay compared to the other higher risk categories.CONCLUSIONS: The Barriers to Discharge tool, although promising, needs to be tested in other contexts and using mental health diagnosis as variable, to see whether it can be a useful predictor of severity of people suffering from mental problems, which is reflected in the length of stay in an inpatient unit.
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 | 0,004 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».