Resilience, personal recovery, and quality of life for psychiatric in-patients prior to hospital discharge: demographic and clinical determinants
Notice bibliographique
Résumé
Introduction: Patients with mental health challenges often see the transition from hospital to community as a test of resilience and a potential threat to recovery. Many question their ability to cope with everyday challenges. This paper examines how demographic and clinical factors predict resilience, personal recovery, and quality of life. Methods: Data were collected from psychiatric inpatients before discharge using REDCap, an online survey platform. Resilience, recovery, and quality of life were assessed with the Brief Resilience Scale (BRS), Recovery Assessment Scale (RAS), and EQ-Visual Analogue Scale (EQ-VAS). ANCOVA was used to compare group relationships. Demographic and clinical variables such as age, gender, ethnicity, and mental health diagnosis were independent variables. Results: Males had significantly higher resilience scores than females (Mdiff = 0.270, p<.001) and others (Mdiff = 0.470, p<.001). Self-identified Black individuals had higher quality of life scores than Caucasians (Mdiff = 8.79, p<.001) and Indigenous individuals (Mdiff = 14.50, p<.001). Participants with depression had significantly lower recovery scores compared to those with bipolar disorder (Mdiff = -10.25, p<.001), schizophrenia (Mdiff = -8.60, p<.001), and substance use disorder (Mdiff = -8.30, p<.005). Conclusion: Results suggest that women, younger adults, Indigenous peoples, and individuals with depression struggle more with adapting to post-discharge life. Policymakers should implement programs that focus on supporting resilience in these vulnerable groups.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».