MétaCan
Menu
Retour à la cohorte
Enregistrement W2124130689 · doi:10.1177/1078390313489730

Supporting Recovery by Improving Patient Engagement in a Forensic Mental Health Hospital

2013· article· en· W2124130689 sur OpenAlexaffabout
James Livingston, Alicia Nijdam‐Jones, Sara Lapsley, Colleen Calderwood, Johann Brink

Notice bibliographique

RevueJournal of the American Psychiatric Nurses Association · 2013
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMental Health and Patient Involvement
Établissements canadiensSimon Fraser UniversityBC Mental Health & Substance Use ServicesUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMental healthPeer supportEmpowermentNursingIntervention (counseling)Qualitative researchPsychologyStigma (botany)Mental illnessMedicinePsychiatry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Mental health services are shifting toward approaches that promote patients' choices and acknowledge the value of their lived experiences. OBJECTIVE: To support patients' recovery and improve their experiences of care in a Canadian forensic mental health hospital, an intervention was launched to increase patient engagement by establishing a peer support program, strengthening a patient advisory committee, and creating a patient-led research team. DESIGN: The effect of the intervention on patient- and system-level outcomes was studied using a naturalistic, prospective, longitudinal approach. Quantitative and qualitative data were gathered from inpatients and service providers twice during the 19-month intervention. RESULTS: Despite succeeding in supporting patients' participation, the intervention had minimal impacts on internalized stigma, personal recovery, personal empowerment, service engagement, therapeutic milieu, and the recovery orientation of services. Peer support demonstrated positive effects on internalized stigma and personal recovery. CONCLUSIONS: Strengthening patient engagement contributes toward improving experiences of care in a forensic hospital, but it may have limited effects on outcomes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,189
Score d'incertitude au seuil0,979

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,367
Écart entre enseignants0,346 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations64
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of the American Psychiatric Nurses AssociationMême sujetMental Health and Patient InvolvementTravaux en français237 207