Regional and sociodemographic variation of incident first-episode psychosis in Ontario, Canada
Notice bibliographique
Résumé
Introduction: Psychotic disorders are associated with high levels of disability and poor clinical outcomes but little is known about the regional incidence of psychosis in Ontario. Objective: This study aimed to understand regional incidence variation and demographic and regional characteristics of individuals who may be suitable for receiving early psychosis intervention (EPI) services, as well as evaluate post-diagnosis healthcare utilisation. Methods: A population-based retrospective cohort study captured incident affective and non-affective psychosis cases among Ontario, Canada residents aged 12-50 from 2017-2021. The sociodemographic characteristics of the cohort were described, including Ontario Health region of residence. Incident cases were followed for 6-months post-diagnosis to capture health service utilisation. Logistic regression was used to model post-diagnosis hospitalisations and Poisson regression to model outpatient psychiatrist visits. Results: The cohort contained 44,188 individuals (41,257 non-affective psychosis; 3,058 affective psychosis). We observed substantial regional variation in incidence rates, which were higher in the North Western region for non-affective psychosis (167.44/100,000) and North Eastern region for affective psychosis (14.23/100,000) compared to the provincial average (92.24; 6.84/100,000, respectively). Compared to the Toronto region, post-diagnosis hospitalisations were significantly higher in the North East (non-affective psychosis aOR 1.14, 95%CI 1.01-1.30; affective psychosis aOR 1.69, 95%CI 1.13-2.54). Among those with non-affective psychosis, outpatient psychiatrist visits were significantly lower in all regions compared to Toronto (e.g., East aRR 0.61, 95%CI 0.60-0.62; North West aRR 0.34, 95%CI 0.32-0.36). Conclusions: There is considerable regional variation in incident psychosis and inverse relationships between hospitalisations and outpatient care. To successfully plan for future EPI programs in Ontario, it is essential to understand regional needs using a systematic, population-based approach.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».