Editorial: Understanding and Measuring Recovery
Notice bibliographique
Résumé
In 2003, 25 years after Rosalynn Carter chaired the first Presidential Commission on Mental Health, she testified before the New Freedom Commission on Mental Health, chaired by Michael Hogan.1 When asked what the greatest advance had been in the intervening years, she said it was adopting the belief that people with serious mental illness could recover. As heterogeneous as people with schizophrenia are, so too are their paths to recovery. Recovery may proceed along multiple domains: psychotic symptoms, cognitive capacities, functioning in terms of independent living in the community, competitive employment, social and intimate relationships (“a home, a job and a date on the weekend”), physical health, economic health, and other aspects of quality of life.2 To the extent we recognize and respond to the diverse domains of a person's life, we will help people in the work of crafting a life. We comment on this series of reports describing the challenges of measuring recovery from schizophrenia and identifying predictors of recovery. We offer these comments as public mental health system administrators charged with promoting recovery, including knowing whether the services being purchased with public funds are promoting recovery. Such knowledge requires measurement. Is the intervention being carried out with fidelity? As both administrators and as evaluators/researchers, we look to our colleagues in the field to offer measurement tools of immediate practical significance to consumers and clinicians.
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 | 0,011 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,004 |
| Communication savante | 0,009 | 0,007 |
| Science ouverte | 0,005 | 0,002 |
| Intégrité de la recherche | 0,024 | 0,030 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,016 |
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 ».