Matryoshka Project: lessons learned about early intervention in psychosis programme development
Notice bibliographique
Résumé
AIM: This part of the Matryoshka project sought to understand the processes with which early intervention in psychosis (EIP) programmes were implemented and developed. The goals were to understand the key influences of programme implementation in the context of rapid EIP service growth and lack of specific provincial guidelines. METHODS: Sampling was purposive and data were collected with semi-structured interviews. Five Matryoshka Project programmes were successfully contacted. All interviews were conducted by phone, recorded and transcribed verbatim. Emerging themes were analysed iteratively and discussed among authors. Key themes were validated with participants. RESULTS: The new EIP services were significantly influenced by the provincial EIP network, advocacy groups and clinical mentors. EIP programme decision makers often relied on each other for guidance. Although the research evidence assisted programme decision makers to develop an effective EIP model for their region, implementation was often shaped by funding constraints. Programmes adapted their EIP models according to funding and local service characteristics. The lack of specific guidelines may have allowed innovation; programme creativity and diversity is consistent with EIP values. Despite the challenges related to geography and staffing, programmes experienced important successes such as partnerships across sectors, quality clinical service and the ability to engage hard-to-serve clientele. CONCLUSIONS: Although important, research evidence played only a secondary role. Relationships among providers and services, coupled with the dedication of front-line staff, were more critical to knowledge exchange than written documents alone. These findings stress the importance of researcher-front-line relationships to the adoption of evidence-informed practice.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».