Building primary health care capacity to address addiction and mental health inequities: lessons from Latin America and the Caribbean
Notice bibliographique
Résumé
Purpose Since 2002, the Centre for Addiction and Mental Health in Ontario, Canada, has been working closely with partners in Latin America and the Caribbean (LAC) to implement mental health capacity‐building focused on primary health care. From an equity perspective, this article seeks to critically analyze the process and key results of this capacity‐building effort and to identify various implications for the future. Design/methodology/approach This analysis of capacity‐building approaches is based on a critical review of existing documents such as needs assessments and evaluation reports, as well as reflective discussion. Previous health equity literature is used as a framework for analysis. Findings More than 1,000 professionals have been engaged in various kinds of training in Chile, Peru, Brazil, Nicaragua, Mexico, and Trinidad and Tobago. These capacity‐building initiatives have had an impact on primary health care from both an equity and systems perspective because participants were engaged at all stages of the process and implementation lessons incorporated into the final efforts. Stigma was also reduced through the collaborations. Originality/value Using concrete examples of capacity‐building in mental primary healthcare in LAC, as well as evidence gathered from the literature, this article demonstrates how primary healthcare can play a strong role in addressing health equity and human rights protection for people with mental health and/or substance abuse problems.
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 | 0,007 | 0,010 |
| 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 | 0,009 | 0,005 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,012 |
| Intégrité de la recherche | 0,002 | 0,003 |
| 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 ».