Effectiveness of Text Messages and Text Messages Plus Peer Support on Psychiatric Readmission and Length of Stay: Outcomes From a Quantitative Stepped-Wedge Cluster Randomized Trial
Notice bibliographique
Résumé
BACKGROUND: Mental health recovery typically continues after patients leave the hospital. However, hospital readmission in the 12 months after discharge is common and costly. OBJECTIVE: This study aimed to examine the effectiveness of supportive text messaging (hereinafter "SMS") and SMS with or without peer support service on hospital readmission and length of stay after discharge from inpatient psychiatric care. METHODS: A stepped-wedge cluster randomized trial was used to examine differences in the changes in the mean number of admissions and the mean duration of total length of stay in days, for patients discharged from psychiatric inpatient care, at 6 and 12 months pre- and post index admissions, for 2 intervention periods compared to a control period of treatment as usual. RESULTS: Overall, 1070 participants were assigned to 1 of 3 study arms: SMS (n=302), SMS with or without peer support service (n=342), or treatment as usual (n=426). Compared to treatment as usual, SMS with or without peer support service reduced hospital readmissions 6 months pre- and post index admission by an average of 0.26 admissions, and SMS alone reduced inpatient length of stays 6 months pre- and post index admission by an average of 7.28 days. CONCLUSIONS: Our results demonstrate that simple, low-cost digital tools-either by themselves or paired with peer support-can help close gaps in postdischarge care. We anticipate that these findings may inform future service delivery models and policy development aimed at enhancing postdischarge mental health support. By supporting smoother transitions and reducing future hospital use, such approaches may offer a scalable way to build more sustainable and person-centered mental health systems. TRIAL REGISTRATION: ClinicalTrials.gov NCT05133726; https://clinicaltrials.gov/study/NCT05133726.
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 | 0,008 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 ».