Hospital admissions and community health service contacts for mental illness following self-reported child maltreatment: Results from the Childhood Adversity and Lifetime Morbidity (CALM) study
Notice bibliographique
Résumé
BACKGROUND: Child maltreatment (CM) includes neglect, and several types of abuse, including physical, emotional, and sexual. CM has been associated with a wide range of mental illnesses. Literature examining these illnesses in mid-life is scarce, and the impact of these illnesses on mental health service use is currently unknown. OBJECTIVE: To examine associations between self-reported CM and subsequent hospital admissions for mental illnesses, and/or community mental health service contacts. SETTING: Birth cohort study data linked to administrative health data, including hospital admissions and community mental health service contacts, up to the age of 40. METHODS: Associations between hospital admissions for mental health and community mental health contacts and CM subtypes (neglect, physical abuse, emotional abuse and sexual abuse) were examined using multivariate logistic regression. RESULTS: Adjusted analyses showed that all subtypes of CM were significantly (p < 0.05) associated with admissions to hospital for any type of mental illness (aOR range 1.87-3.61), non-psychotic mental disorders (aOR range 1.98-3.61), alcohol and/or substance use (aOR range 2.83-5.43), and community mental health service contacts (aOR range 2.44-3.13). Hospital admissions for psychotic mental disorders were significantly associated with physical abuse, emotional abuse, and sexual abuse (aOR range 2.14-3.93). CONCLUSIONS: The results of this study confirm the current knowledge around CM and subsequent mental health illnesses up to the age of 40, and extend this knowledge to hospital and mental health service use.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».