Impact of team-based primary care on health care utilization among patients with mental and substance use disorders: a systematic review of English-language articles
Notice bibliographique
Résumé
OBJECTIVE: To conduct a systematic review of the literature on the impact of team-based primary care on downstream health care utilization (all-cause or mental health-specific emergency department (ED) visits and hospitalizations) among people with mental or substance use disorders. METHODS: A literature search was conducted using the Scopus, MEDLINE, and Web of Science databases. Gray literature and forward and backward citation searches yielded additional results. Two independent reviewers screened the abstracts and full texts. Both reviewers performed a critical appraisal of the methodological quality using a modified Downs and Black checklist. The data were extracted using a standardized data extraction spreadsheet, and the effect sizes of studies were synthesized. RESULTS: A total of 18 studies were included (16 in the USA and 2 in Canada). Seven of the 15 studies that assessed the effect of team-based care on all-cause ED visits found they were associated with a lower number or odds of visits. Of the 15 studies that assessed the effect of team-based approaches on all-cause hospitalizations, 8 found that they were associated with an overall decrease. Very few studies assessed mental health-related ED visits (n = 2) or hospitalizations (n = 4), and the findings varied. All included studies were of fair quality (mean score ± standard deviation: 17.4 ± 1.3). CONCLUSION: Team-based care is likely associated with a decrease in all-cause ED visits and hospitalizations. A team-based primary care approach has the potential to reduce downstream healthcare utilization for patients with mental or substance use disorders and improve health outcomes.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».