Effect of health service integration on the health care use of patients with alcohol use disorders in North Karelia Finland 2016-2020: A comparative cross-sectional study
Notice bibliographique
Résumé
Background: In North Karelia, Finland, a comprehensive integration of health and social services was implemented in 2017. This study sought to evaluate the impact of integration on the utilisation of health services among patients with alcohol use disorders (AUDs). Methods: Data from 2016 to 2020 were gathered from the electronic health records, encompassing both primary and specialised care, for patients with AUDs (n = 4344). Patients were identified based on AUD-related International Statistical Classification of Diseases and Related Health Problems (ICD-10) diagnosis codes. The data included information on the type of contact, reason for contact (ICD-10 code), and professional providing the service. Results: The proportion of patients with any annual contact with health services was approximately 90%, and this proportion remained unaffected by the integration. Decreases in AUD contacts were noted across the entire patient cohort, except for those diagnosed with AUD already in 2016. Emergency care use increased among patients treated in substance abuse services after the integration of services. Remote online and telehealth contacts increased across service domains, but these changes were unrelated to the integration year. Conclusion: The decrease in AUD contacts may be attributed to the improved identification of patients with less severe conditions, as the recording of diagnosis codes has improved. However, notable unmet care needs continue to exist.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 ».