Profiles of quality of outpatient care among individuals with mental disorders based on survey and administrative data
Notice bibliographique
Résumé
RATIONALE: Though it is crucial to contribute to patient recovery through access, diversity, continuity and regularity of outpatient care, still today most of these are deemed nonoptimal. Identifying patient profiles based on outpatient service use and quality of care indicators might help formulate more personalized interventions and reduce adverse outcomes. AIMS AND OBJECTIVES: This study aimed to identify profiles of individuals with mental disorders (MDs) patterned after their outpatient care use and quality of care received, and to link those profiles to individual characteristics and subsequent outcomes. METHODS: A cohort of 5669 individuals with MDs was considered based on data from the 2013-2014 and 2015-2016 Canadian Community Health Survey, which were linked to administrative data from the Quebec health insurance registry. Latent class analysis generated profiles based on service use over the 12 months preceding each respondent's interview, and comparative analyses were used to associate profiles with sociodemographic and clinical characteristics, and health outcomes over the three following months. RESULTS: Four profiles were identified. Profile 1 (P-1) was labelled 'Low service use'; P-2 'Moderate general practitioner (GP) care and continuity and regularity of care'; P-3 'High GP care, continuity and regularity of care, and low psychiatrist care'; and P-4 'High psychiatrist care and regularity of care, and low GP care'. Profiles 3 and 4 (~50% of the cohort) were provided with better care, but showed worse outcomes, mainly acute care use due to more complex conditions and unmet needs. Profiles 1 and 2 had better outcomes as they showed fewer risk factors such as being younger and having better social conditions. CONCLUSION: Intensity, diversity and regularity of care were higher in profiles with more complex MDs, chronic physical illnesses, and worse perceived health conditions. Adapting specific interventions for each profile, such as assertive community treatment or intensive case management for Profile 4, is recommended.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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) | 0,001 | 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 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 ».