MétaCan
Menu
Retour à la cohorte
Enregistrement W4403827260 · doi:10.1371/journal.pmen.0000160

Caring for individuals with eating disorders–how to improve care while reducing unnecessary spending?

2024· article· en· W4403827260 sur OpenAlexaff
Claire de Oliveira

Notice bibliographique

RevuePLOS mental health. · 2024
Typearticle
Langueen
DomainePsychology
ThématiqueEating Disorders and Behaviors
Établissements canadiensPublic Health OntarioInstitute for Work & HealthInstitute for Clinical Evaluative SciencesCentre for Addiction and Mental Health
Organismes subventionnairesnon disponible
Mots-clésEating disordersPsychologyMedicinePsychiatry

Résumé

récupéré en direct d'OpenAlex

Eating disorders are mental health conditions defined by abnormal eating behaviours that negatively affect a person's physical and/or mental health.Eating disorders typically include anorexia nervosa, bulimia nervosa, binge eating disorder, and other 'specified feeding or eating disorders'that do not meet the strict diagnostic criteria of the aforementioned conditions.These disorders have a combined lifetime prevalence of about 7% in women and 3% in men [1] and are frequently associated with psychiatric comorbidities, such as mood and anxiety disorders, post-traumatic stress disorder, and substance use disorders [2], often requiring longterm treatment [3].Eating disorders can also cause short-and long-term medical complications [4], such as cardiovascular and renal problems, gastrointestinal disturbances, fluid and electrolyte abnormalities, menstrual and fertility problems (among females), osteoporosis and osteopenia, and dental and dermatological problems [5,6].Moreover, anorexia nervosa has the highest mortality rate of any psychiatric disorder [7].Previous studies have shown that the economic burden of eating disorders is substantial [8][9][10].Due to the high costs of care in this population, well-organised efforts directed toward early intervention and active management of these individuals' physical and mental health are warranted.Furthermore, given the surge in eating disorders-related emergency department visits and medical hospitalizations (i.e., acute care) among young women in Canada throughout the pandemic [11], it is important to understand whether there are ways to improve care among this particular population.Many jurisdictions have implemented strategies, such as high-risk care management, to reduce costs and improve the quality of care among patients with high health care needs.High-risk care management involves the provision of intensive, one-on-one services by a health worker, such as a nurse, to patients with complex needs, such as those with an eating disorder.The idea behind these types of strategies/interventions is that the implementation of high-quality outpatient care may help reduce unnecessary acute care for these patients.For example, research suggests that stepped care models, where primary care clinicians play a greater role in service delivery, may be an option to improve patient outcomes in a cost-effective manner [12].However, it is unclear whether any costs can be reduced, and if so which, especially among patients who require costly care. How to reduce unnecessary health care spending?One potential way to decrease health care spending, without sacrificing high-quality care, may be to target preventable (i.e., potentially unnecessary) acute care among patients with high

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)0,005
score de la tête « metaresearch » (Gemma)0,034
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,069

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,034
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,002
Communication savante0,0050,005
Science ouverte0,0010,004
Intégrité de la recherche0,0040,007
Charge utile insuffisante (le modèle a refusé de juger)0,0210,003

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 Opus0,028
Tête enseignante GPT0,338
Écart entre enseignants0,310 · 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 présentnon

Explorer davantage

Même revuePLOS mental health.Même sujetEating Disorders and BehaviorsTravaux en français237 207