MétaCan
Menu
Retour à la cohorte
Enregistrement W119897959

Child and Adolescent Mental Health Service Management Strategies that may Influence Wait Times.

2013· article· en· W119897959 sur OpenAlexaffabout
Isabelle A. Vallerand, John D. McLennan

Notice bibliographique

RevuePubMed · 2013
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealthcare Operations and Scheduling Optimization
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMental healthAgency (philosophy)Service (business)PsychologyBusinessPsychiatryMarketingSociology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: (1) To describe the strategies employed by child mental health agencies to manage service demands; (2) to determine whether the types of strategies used are related to meeting Canadian Psychiatric Association (CPA) benchmarks and wait times; and, (3) to determine whether the types of strategies used are related to agency characteristics. METHODS: An online questionnaire was distributed to 379 agencies providing child mental health services in Canada. The survey inquired about agency characteristics, wait times, ability to meet benchmarks and a series of strategies which may impact wait times. Spearman's rank correlations were used to determine relationships between variables. RESULTS: One hundred thirteen agencies returned adequately completed surveys (29.8%). Collaborating with other agencies/providers and referring families to self-help resources were the most commonly endorsed strategies. The use of more upstream/ pre-waitlist strategies was related to the ability to meet CPA benchmarks for urgent cases. No cluster of strategies was related to estimated wait times. Restriction strategies were most consistently related to agency size. CONCLUSIONS: Multiple strategies were endorsed by many agencies, but very few demonstrated relationships to wait time variables. Rigorous evaluation of commonly used service strategies are required to determine whether any positive impacts are being obtained by such efforts.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,783
Score d'incertitude au seuil0,826

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,044
Tête enseignante GPT0,334
Écart entre enseignants0,290 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations18
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetHealthcare Operations and Scheduling OptimizationTravaux en français237 207