Psychosis 101: evaluating a training programme for northern and remote youth mental health service providers
Notice bibliographique
Résumé
BACKGROUND: Most of the early psychosis intervention (EPI) training has focused on family physicians participants. In Northern Ontario, there is a shortage of primary care. This paper will present evaluation results of a pilot training programme for rural and remote youth mental health service providers. METHOD: A mixed methods approach was used. We evaluated a 2-day workshop about EPI for non-medical mental health workers delivered onsite and simultaneously by videoconferencing. There were 19 participants across four agencies. Seven were onsite and 12 were offsite. Participants' knowledge was measured using a validated questionnaire at pre-intervention and at 3-, 6- and 9-month follow up. A repeated measures ANOVA was used to evaluate knowledge acquisition between the two modes of training. At 6 months, focus group interviews were conducted to explore their experiences of the mode of intervention delivery and evaluation. Emerging themes were iteratively derived through a series of discussions involving independent coders. RESULTS: Only 15 complete datasets were available of the 19 original participants. Differences in knowledge acquisition between the two groups did not reach statistical difference. Six-month focus group data indicated that participants improved their relationship with EPI services and they were part of a strengthened network with other providers in the region. Post-intervention, the accuracy of referrals from participating agencies increased dramatically, with an increase in proportion of referrals who were eligible for EPI services. The follow-up process engaged participants in learning and re-engaged them with the material taught during the training session. CONCLUSIONS: The results about developing service partnerships and relationship with specialist services are encouraging for policy and service decision-makers to address mental health service needs in northern and remote areas.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».