Les déterminants de lâutilisation des services en santé mentale dans le sud-ouest de Montréal
Notice bibliographique
Résumé
Objectif : Lâobjectif principal de cette thèse est dâexaminer les déterminants de lâutilisation des services de soins pour des raisons de santé mentale dans le sud-ouest de Montréal.\n\t\nDonnées et méthodes : Lâétude utilise les données de la première phase du projet portant sur « le développement dâune zone circonscrite dâétudes épidémiologiques en psychiatrie dans le sud-ouest de Montréal ». Les données ont été collectées entre mai 2007 et août 2008 auprès dâun échantillon de 2434 personnes sélectionnées au hasard dans tout le territoire de lâétude. De cet échantillon, nous avons sélectionné un sous-échantillon de personnes ayant eu au moins un diagnostic de santé mentale au cours de la dernière année. 423 personnes ont rencontrées ce critère et constituent lâéchantillon pour les analyses de la présente thèse. Le modèle comportemental dâAndersen a servi de cadre pour le choix des variables à analyser. Parce que lâapproche socio-spatiale a été privilégiée pour modéliser les déterminants de lâutilisation des services, les analyses ont été effectuées à lâaide de quatre logiciels distincts à savoir : SPSS, AMOS, ArcGIS et MlWin.\n\nRésultats : Les résultats montrent que 53,66% de notre échantillon ont utilisés au moins un service de santé pour des raisons de santé mentale. On constate néanmoins que les déterminants de lâutilisation des services en santé mentale sont à la fois complexes et spatialement inégalement réparties. En ce qui concerne les caractéristiques sociodémographiques et cliniques, les femmes et ceux qui perçoivent la stigmatisation envers les personnes ayant un problème de santé mentale utilisent plus les services. Le nombre de diagnostics de santé mentale est aussi associé à lâutilisation des services. Lâaugmentation du nombre de diagnostics entraîne une augmentation de lâutilisation des services (ï¢=0,38; p<0,001). Dâautres variables comme lââge, le statut matrimonial, la taille du ménage, le soutien social et la qualité de vie influencent indirectement lâutilisation des services. à titre illustratif toute augmentation de lââge entraîne une augmentation du soutien social de (ï¢=0,69; p<0,001) qui à son tour fait diminuer la détresse psychiatrique (ï¢= -0,09 (p<0,05). Or, toute augmentation dâune unité de détresse psychiatrique entraîne une augmentation de lâutilisation des services (ï¢=0,58 (p<0,001).\nSur le plan spatiale, il existe une corrélation positive entre lâutilisation des services et la défavorisation matérielle, la défavorisation sociale et le nombre dâimmigrants récents sur un territoire. Par contre, la corrélation entre la prévalence de la santé mentale et lâutilisation des services est négative. Les analyses plus poussées indiquent que le contexte de résidence explique 12,26 % (p<0,05) de la variation totale de lâutilisation des services. De plus, lorsquâon contrôle pour les caractéristiques individuelles, vivre dans un environnement stable augmente lâutilisation des services (O.R=1,24; p<0,05) tandis que les contextes défavorisés du point de vue socioéconomique ont un effet néfaste sur lâutilisation (O.R=0,71; p<0,05).\n\nConclusion : Les résultats de lâétude suggèrent que si on veut optimiser lâutilisation des services en santé mentale, il est important dâagir prioritairement au niveau de la collectivité. Plus spécifiquement, il faudrait mener des campagnes de sensibilisation auprès de la population pour combattre la stigmatisation des personnes ayant un problème de santé mentale. Sur le plan de la planification des soins de santé, on devrait augmenter lâoffre des services dans les territoires défavorisés pour en faciliter lâaccès aux habitants.
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 ».