Association Between Patient Sociodemographic and Clinical Characteristics and Acute Mental Health Service Utilization Within One Year Following Enrollment in the Rapid Access and Stabilization Program in Nova Scotia
Notice bibliographique
Résumé
Background/Objectives: The Rapid Access and Stabilization Program (RASP), launched in Nova Scotia in April 2023, aims to improve timely psychiatric care, reduce reliance on emergency services, and provide early intervention. This study describes the sociodemographic and clinical characteristics of the RASP participants and examines their association with acute service use. Methods: This cross-sectional descriptive study used self-reported surveys and administrative data from 738 RASP participants. Descriptive statistics summarized key sociodemographic and clinical variables. Associations between these characteristics and acute service use (emergency department visits, inpatient admissions, and mobile crisis calls) were examined using chi-square and Fisher’s Exact tests. Bonferroni correction was applied for multiple comparisons. Results: The sample was predominantly female (65.2%) and aged 20–40 years (38.4%). Despite high rates of severe anxiety (53.9%) and depression (36.0%), acute service use was low: emergency department visits (7.2%), mobile crisis calls (1.0%), and inpatient admissions (0.8%). Preliminary analyses showed that education level and housing status were associated with ED visits and inpatient admissions. However, these associations did not remain statistically significant after Bonferroni correction. Conclusions: Although mental health symptom severity was high, acute mental health service use remained low after RASP enrollment, indicating the program’s potential in reducing reliance on crisis services. No participant characteristics were significantly associated with acute service use after adjustment, underscoring the complexity of predicting utilization and the need for robust multivariable models. Continued investment in rapid access programs may be essential to improving timely mental health care and supporting early intervention strategies.
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 | 0,002 |
| 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) | 0,002 | 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 ».