Preferences for Early Intervention Mental Health Services: A Discrete-Choice Conjoint Experiment
Notice bibliographique
Résumé
OBJECTIVE: Early intervention services (EISs) for mental illness may improve outcomes, although treatment engagement is often a problem. Incorporating patients' preferences in the design of interventions improves engagement. A discrete-choice conjoint experiment was conducted in Canada to identify EIS attributes that encourage treatment initiation. METHODS: Sixteen four-level attributes were formalized into a conjoint survey, completed by patients, family members, and mental health professionals (N=562). Participants were asked which EIS option people with mental illness would contact. Latent-class analysis identified respondent classes characterized by shared preferences. Randomized first-choice simulations predicted which hypothetical options, based on attributes, would result in maximum utilization. RESULTS: Participants in the conventional-service class (N=241, 43%) predicted that individuals would contact traditional services (for example, hospital location and staffed by psychologists or psychiatrists). Membership was associated with being a patient or family member and being male. Participants in the convenient-service class (N=321, 57%) predicted that people would contact services promoting easy access (for example, self-referral and access from home). Membership was associated with being a professional. Both classes predicted that people would contact services that included short wait times, direct contact with professionals, patient autonomy, and psychological treatment information. The convenient-service class predicted that people would use an e-health model, whereas the conventional-service class predicted that people would use a primary care or clinic-hospital model. CONCLUSIONS: Provision of a range of services may maximize EIS use. Professionals may be more apt to adopt EISs in line with their beliefs regarding patient preferences. Considering several perspectives is important for service design.
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 | 0,018 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».