Schulden, Kredite und unbezahlte Rechnungen unter Nutzer*Innen teilstationärer und stationärer psychiatrischer Behandlung in Berlin
Bibliographic record
Abstract
Zusammenfassung Hintergrund Bisherige Studien der Allgemeinbevölkerung weisen auf eine Assoziation zwischen psychischen Erkrankungen und verschiedenen Formen finanzieller Schwierigkeiten wie Verschuldung hin. Ziel der Arbeit Untersuchung der finanziellen Belastungen und assoziierter Faktoren bei Patient*Innen in (teil-)stationärer psychiatrischer Behandlung. Material und Methoden Insgesamt 488 Teilnehmer*Innen einer querschnittlichen Patientenbefragung mittels eines strukturierten Interviews zu soziodemografischen sowie klinischen Variablen in (teil-)stationärer psychiatrischer Behandlung in der psychiatrischen Universitätsklinik der Charité im St. Hedwig, zuständig für einen spezifischen Versorgungsbereich in Berlin, gaben Auskunft zu finanziellen Belastungen. Ergebnisse Insgesamt 269 (55,1 %) Teilnehmer*Innen wiesen Schulden, Kredite oder offene Rechnungen auf. Unter den Teilnehmer*Innen, die Auskunft zur Kredit- oder Schuldenhöhe machten (n = 215), wies der größte Teil (47,0 %) Schulden oder Kredite in der Höhe zwischen 1000 und 9999 € auf, gefolgt von 36,3 % mit Schulden/Krediten zwischen 10.000 und 99.999 €. In den Regressionsmodellen hinsichtlich des Vorliegens von Schulden erwiesen sich ein jüngeres Alter und das Vorliegen einer Substanzabhängigkeit als signifikant assoziierte Faktoren. 22,3 % der Befragten wiesen Schulden in Höhe >10.000 € auf und lebten von Sozialleistung, sodass eine Überschuldung angenommen werden könnte. Diskussion Finanzielle Belastungen und bestehende Schulden sollten im psychiatrischen Bereich stärker in der Praxis erfragt und beachtet werden. Geeignete Unterstützungsformen sollten entwickelt und evaluiert werden.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".