Global mental health: transformative capacity building in Nicaragua
Notice bibliographique
Résumé
BACKGROUND: Mental health is increasingly recognised as integral to good public health, but this area continues to lack sufficient planning, resources, and global strategy. It is a pressing concern in Latin America, where social determinants of health aggravate existing inequities in access to health services. Nicaragua faces serious mental health needs and challenges. One key strategy for addressing gaps in mental health services is building capacity at the primary healthcare and system levels. OBJECTIVE: Using the framework of best practice literature, this article analyses the four-year collaborative process between the National Autonomous University of Nicaragua in León (UNAN-León) and the Centre for Addiction and Mental Health (CAMH) in Canada, which is aimed at improving mental healthcare in Nicaragua. DESIGN: Based on a critical analysis of evaluation reports, key documents, and discussion among partners, the central steps of the collaboration are analysed and main successes and challenges identified. RESULTS: A participatory needs assessment identified local strengths and weaknesses, expected outcomes regarding competencies, and possible methodologies and recommendations for the development of a comprehensive capacity-building programme. The partners delivered two international workshops on mental health and addiction with an emphasis on primary healthcare. More recently, an innovative Diploma and Master programme was launched to foster interprofessional leadership and effective action to address mental health and addiction needs. Collaborative activities have taken place in Nicaragua and Canada. DISCUSSION: To date, international collaboration between Nicaragua and CAMH has been successful in achieving the jointly defined goals. The process has led to mutual knowledge sharing, strong networking, and extensive educational opportunities. Evidence of effective and respectful global health capacity building is provided. Lessons learned and implications for global health action are identified and discussed.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,009 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,002 | 0,017 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».