MétaCan
Menu
Retour à la cohorte
Enregistrement W2155162069 · doi:10.1108/add-01-2014-0003

Applying addictions harm reduction lessons to mental healthcare

2014· article· en· W2155162069 sur OpenAlexaff
Gregory R. Werker, Verena Strehlau, Kerry L. Jang

Notice bibliographique

RevueAdvances in Dual Diagnosis · 2014
Typearticle
Langueen
DomainePsychology
ThématiqueMental Health Treatment and Access
Établissements canadiensCentre for Advancing Health OutcomesProvidence Health CareCommunity Based Research CentreUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésHarmMental healthHealth careHarm reductionAddictionIntervention (counseling)OriginalityNursingMedicineValue (mathematics)PsychologyPsychiatryPublic healthPolitical scienceSocial psychology

Résumé

récupéré en direct d'OpenAlex

Purpose – Psychiatry and other areas of mental healthcare have a limited reach. According to the National Comorbidity Survey in the USA the majority of people with mental illnesses do not get any professional support. The current “acute care focus” treatment paradigm directs funding toward hospitals, medications and institutions. The purpose of this paper is to explore the appropriateness of this approach. Design/methodology/approach – To assess the acute care focus in mental healthcare, the authors will contrast it with an alternative paradigm of harm reduction. Findings – The authors argue that harm reduction principles based on the experiences of addiction medicine may be an added value to the current system of care along with structural reforms regarding early intervention and community-focussed care. Originality/value – This discussion paper contributes to a growing body of literature recognizing the inefficiencies of the present acute care centered paradigm in healthcare.

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)0,000
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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,922
Score d'incertitude au seuil0,692

Scores Codex et Gemma par catégorie

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

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 Opus0,052
Tête enseignante GPT0,439
Écart entre enseignants0,387 · 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'étudeAutre devis
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

Citations6
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in Dual DiagnosisMême sujetMental Health Treatment and AccessTravaux en français237 207