Schulden, Kredite und unbezahlte Rechnungen unter Nutzer*Innen teilstationärer und stationärer psychiatrischer Behandlung in Berlin
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
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.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.005 |
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 it