Access and Health System Impact of an Early Intervention Treatment Program for Emerging Adults with Mood and Anxiety Disorders
Notice bibliographique
Résumé
Objectives:Early intervention programs are effective for improving outcomes in first-episode psychosis; however, less is known about their effectiveness for mood and anxiety disorders. We sought to evaluate the impact of an early intervention program for emerging adults with mood and anxiety disorders in the larger health system context, relative to standard care.Methods:Using health administrative data, we constructed a retrospective cohort of cases of mood and anxiety disorders among emerging adults aged 16 to 25 years in the catchment of the First Episode Mood and Anxiety Program (FEMAP) in London, Ontario, between 2009 and 2014. This cohort was linked to primary data from FEMAP to identify service users. We used proportional hazards models to compare indicators of service use between FEMAP users and a propensity score–matched group of nonusers receiving care elsewhere in the health system.Results:FEMAP users (<i>n</i> = 490) had more rapid access to a psychiatrist relative to nonusers (hazard ratio [HR], 2.82; 95% confidence interval, 2.45 to 3.26; median time, 16 vs. 71 days). In the year following admission, FEMAP users also had lower rates of emergency department use for mental health reasons (HR, 0.73; 95% CI, 0.53 to 0.99). We did not observe differences in psychiatric hospitalization rates.Conclusions:An early intervention model of care for mood and anxiety disorders is associated with better access to psychiatric care and lower use of the emergency department. Our findings suggest that early intervention services for mood and anxiety disorders may be beneficial from a health systems perspective, and further research on the effectiveness of this model of care is warranted.
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 ».