Does mental illness history affect primary care chronic disease management in older adults? A population-based propensity score-matched study
Notice bibliographique
Résumé
BACKGROUND: Older adults living with physical chronic conditions and comorbid mental illness have more complex care needs, and may experience side effects of treatment for mental illness that can exacerbate physical conditions. There is a need to examine variation in health service use and chronic disease management in the context of treatment for mental illness. OBJECTIVE: We compared evidence-informed management of diabetes, heart failure and chronic obstructive pulmonary disease (COPD) amongst older adults based on history of mental illness treatment. DESIGN/SETTING: We conducted a population-based propensity score-matched study in British Columbia, Canada, using health administrative data from 1 April 2020 to 31 March 2023. SUBJECTS: Older adults (aged ≥65) registered for provincial health insurance and diagnosed with diabetes, heart failure and/or COPD. METHODS: Within each chronic disease subgroup, propensity scores (matching for age, sex, rurality and neighbourhood income quintile) paired individuals 1:1 based on mental illness history. Differences in health service utilisation and chronic disease management outcomes were assessed from P-values. RESULTS: Older adults with mental illness history had more primary care contacts, virtual visits and contacts with their usual primary care provider and specialists. However, they also had fewer labs/testing and a lower likelihood of being dispensed drugs for their chronic condition than those without mental illness history. CONCLUSION: Despite more frequent contact with primary care, older adults with mental illness may face barriers to receiving comparable chronic disease management. These findings underscore the need for more integrated, multidisciplinary care models that address both mental and physical health needs.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».