MétaCan
Menu
Retour à la cohorte
Enregistrement W4403682387 · doi:10.1093/pch/pxae067.004

04 Care for adolescents with substance use: A national survey of paediatric hospitals

2024· article· en· W4403682387 sur OpenAlexaboutno aff
Karen Leslie, Stephanie Hosang, Nicholas Chadi, Christina Grant, Dzung X. Vo, Eva Moore, Richard E. Bélanger, Trish Tulloch, Natalie Finner, Rachel Goren

Notice bibliographique

RevuePaediatrics & Child Health · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueChild and Adolescent Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSubstance useMedicineFamily medicinePsychologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

Abstract Background Substance use is a recognized Paediatric health care issue. More than 9 in 10 individuals receiving treatment for substance use disorders report that their first use of substances occurred by young adulthood. The Canadian Institute for Health Information reported that 5% of hospital stays among Canadian youth in 2017-2018 were related to harmful substance use. In a study of youth with a first-time emergency department visit for a mental health problem between 2010 and 2014, most visits were due to substance related disorders. Despite this, little is known about practices relating to substance use in children's hospitals. Objectives 1. To describe how adolescents who present to Paediatric hospitals with substance use disorders or substance-related health issues are identified, assessed, and treated. 2. To identify best-practices that can inform national standards of care. Design/Methods An online questionnaire was utilized to obtain information on: 1. Clinical practices in the emergency department, inpatient services and ICU; 2. Hospital policies and practice guidelines; and 3. Hospital and community programs and resources. Recruitment emails were sent to hospital leaders (CEO or equivalent) at all 13 Paediatric hospitals. Leaders were asked to identify one individual to complete the survey on behalf of their hospital with input from relevant stakeholders in the various clinical areas. The survey was developed iteratively by a national group of 9 adolescent medicine clinicians and 2 Paediatric trainees. The survey was piloted at a single Paediatric hospital and refined. The survey was administered via RedCap technology. Results Survey response rate was 70% (9/13 hospitals). The mean number of contributors to each survey was 9 (range of 1-35). Overall, few hospitals utilized best practices consistently. There was inconsistency in the use of validated screening tools, use of clinical practice guidelines for monitoring and ongoing care and prescribing of nicotine replacement therapy and opioid agonist therapy. These inconsistencies were noted within each clinical setting (emergency department, inpatient services, and ICU), across services in each hospital, and between hospitals. With respect to hospital services, 5/9 had some type of consult team related to substance use (e.g., adolescent medicine), 4/9 had specialized substance use outpatient services, and 2/9 offered partial hospitalization/day treatment for patients with substance use issues. Local community-based substance use resources were identified as insufficient to address needs by 8/9 hospitals. Conclusion Inconsistencies in the care of adolescents with substance use disorders or substance-related health issues highlights the need for national guidelines for Paediatric hospital-based assessment and care, and enhanced coordination between services and systems of care for this patient population.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,043
Tête enseignante GPT0,365
Écart entre enseignants0,322 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePaediatrics & Child HealthMême sujetChild and Adolescent HealthTravaux en français237 207