Mental health triage in the ER: a qualitative study
Notice bibliographique
Résumé
RATIONALE, AIMS AND OBJECTIVES: The London Health Sciences Centre found that its emergency room (ER) mental health services were affected by people presenting with problems that did not require psychiatric intervention. Consequently, a second triage using a crisis worker (CW) was introduced in the ER to identify those persons with mental illness (PMI) who presented for social stressors related to housing, finances and legal issues. A qualitative, process evaluation study was conducted to capture experiences and perceptions of the new triage and CW. METHOD: Qualitative input was obtained from a broad range of stakeholders in three waves of data-gathering over a 25-month period. This method allowed corroboration of findings from informants with varying interests and backgrounds. The data were collected through interviews, focus groups and surveys. The NUD-ist Qualitative Data Analysis Software Program was used to conduct content analyses. RESULTS: Many PMI seeking ER mental health services are presenting with problems related to social stressors and being referred by the second triage to the CW. The introduction of the second triage CW has had a positive effect on ER functioning, the workload of ER staff and the experience of persons presenting at ER. CONCLUSIONS: A defined triage process coupled with the use of psychiatric nursing staff may be applicable to ERs within general hospital settings to improve ER functioning, focus support for PMI and further integrate ERs within the community mental health model.
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 | 0,147 | 0,064 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».