Using the service needs index to quantify complexity and identify treatment needs across youth mental health service populations: an observational study
Notice bibliographique
Résumé
BACKGROUND: Digital technologies can facilitate comprehensive mental health assessment of an individual's treatment needs, while also enabling data aggregation and analysis at the population or service level. The Service Needs Index (made up of clinical, psychosocial, and comorbidity components) collectively expresses a concise metric for the type, range, and complexity of young people's treatment needs. This study aimed to examine variation in the Service Needs Index across service settings and assess its potential to inform population-level mental health planning. METHODS: Using data from 1611 young people, we examined the Service Needs Index (made up of Clinical, Psychosocial, and Comorbidity subscores) across four mental health service populations (headspace Camperdown, urban headspaces, regional headspaces, and Mind Plasticity [a private practice in Sydney, Australia]). ANCOVA and pairwise comparisons were conducted controlling for age and sex. Bayesian logistic regression was used to examine the association between index scores and the odds of exceeding the Kessler-10 threshold for moderate psychological distress (K-10 ≥ 25). RESULTS: There was significant variability in Service Needs Index scores (and subscores) between the four service populations. The private practice (Mind Plasticity) and regional headspaces had greater complexity than urban headspace services and headspace Camperdown. Complexity was driven by different patterns: Mind Plasticity had relatively higher clinical and comorbidity needs, while regional headspace services had higher clinical and psychosocial needs. Higher index scores were associated with increased odds of scoring in the moderate psychological distress range, with the Service Needs Index requiring the smallest score increase (6.1 units) to double the odds of scoring 25 or above on the K-10 (OR = 2.0). CONCLUSIONS: The differences across service groups provide examples on how indices may shape policy and system-level decision-making in headspace services and other Primary Health Networks. The Service Needs Index measures complexity and could inform system-level decision-making by providing insights into trends, resource allocation, and the efficacy of interventions across broader 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 | 0,005 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».