L’effet combiné de la multimorbidité et des troubles mentaux sur les admissions fréquentes à l’urgence chez les adultes québécois
Bibliographic record
Abstract
Les travaux présentés dans ce feuillet visent à déterminer si la multimorbidité physique et les troubles mentaux agissent en synergie pour augmenter le risque d’admissions fréquentes à l’urgence. Les objectifs spécifiques sont de : 1) estimer la prévalence des troubles mentaux selon le nombre de maladies chroniques physiques; 2) quantifier l’effet des maladies chroniques physiques et des troubles mentaux sur les admissions fréquentes à l’urgence. \n \nLa prévalence des troubles mentaux est de 11,6 % en absence de maladie chronique physique et augmente à 31,4 % en présence de quatre maladies chroniques physiques ou plus. \n \nLa présence de troubles mentaux et la multimorbidité physique sont toutes deux associées à une augmentation des admissions fréquentes à l’urgence. \n \nChez les individus avec trouble mental sévère, lorsque le nombre de maladies chroniques physiques varie d’aucune à quatre ou plus, la proportion d’utilisateurs fréquents de l’urgence passe de 9,2 % à 25,4 % (soit une augmentation de 16,2 points de pourcentage). Cette augmentation est moindre (11,4 points de pourcentage) chez les individus sans trouble mental. \n \nNotre étude populationnelle démontre l’importance primordiale de la santé mentale comme contributeur aux admissions fréquentes à l’urgence, un problème majeur dans le contexte québécois et ailleurs dans le monde. Tant pour les individus que pour le système de santé, les troubles mentaux augmentent le risque d’admissions fréquentes de manière significative. Une amélioration dans la prise en charge des individus avec des troubles mentaux pourrait avoir un double impact (par l’effet direct des troubles mentaux et de leur synergie avec les maladies chroniques physiques) sur la réduction des admissions fréquentes à l’urgence. Une meilleure compréhension des causes sous-jacentes de cette synergie serait utile dans la planification des soins, par exemple pour cibler des personnes à risque pour des programmes de suivi et des soins intégrés qui prendraient en compte les besoins particuliers des patients multimorbides avec des troubles mentaux.
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 | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 0.000 |
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".