Subtyping Service Receipt in Personality Disorder Services in South London: Observational Validation Study Using Latent Profile Analysis
Notice bibliographique
Résumé
Background Personality disorders (PDs) are typically associated with higher mental health service use; however, individual patterns of engagement among patients with complex needs are poorly understood. Objective The study aimed to identify subgroups of individuals based on patterns of service receipt in secondary mental health services and examine how routinely collected information is associated with these subgroups. Methods A sample of 3941 patients diagnosed with a personality disorder and receiving care from secondary services in South London was identified using health care records covering an 11-year period from 2007 to 2018. Basic demographic information, service use, and treatment data were included in the analysis. Service use measures included the number of contacts with clinical teams and instances of did-not-attend. Results Using a large sample of 3941 patients with a diagnosis of PD, latent profile analysis identified 2 subgroups characterized by low and high service receipt, denoted as profile 1 (n=2879, 73.05%) and profile 2 (n=1062, 26.95%), respectively. A 2-profile solution (P<.01) was preferred over a 3-profile solution, which was nonsignificant. In unconditional (t3941,3939=19.53; P<.001; B=7.27; 95% CI 6.54-8) and conditional (t3941,3937=−3.31; P<.001; B=−74.94; 95% CI −119.34 to −30.56) models, cluster membership was significantly related to receipt of nursing contacts, over and above other team contacts. Conclusions These results suggest that routinely collected data may be used to classify likely engagement subtypes among patients with complex needs. The algorithm identified factors associated with service use and has the potential to inform clinical decision-making to improve treatment for individuals with complex needs.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 ».