Quality measures for primary mental healthcare: a multistakeholder, multijurisdictional Canadian consensus
Notice bibliographique
Résumé
OBJECTIVE: To develop quality measures using a consensus-based, multistakeholder process to improve delivery of mental health services within primary healthcare settings. METHODS: A three-stage consensus model culminating in a two-round, modified Delphi postal survey ranking quality measures according to 'actionability,' relevance and overall importance. PARTICIPANTS: More than 800 people from all 10 provinces and three territories in Canada participated in the study, representing consumers/advocates, clinicians, academics and government decision-makers from regional, provincial and federal levels. A small group with expertise in First Nations and rural-setting health issues was also included, as well as international experts. RESULTS: The top overall pan-Canadian measure was 'Education about Depression.' 'Actionability' was a key criterion for many of the top 30 measures. Fifty per cent of these measures focused on three major themes: depression, self-harm and access to a broader spectrum of treatment (such as outreach services and psychotherapy). Additional themes included the need for greater collaboration, respectful treatment of patients and families, and improved evaluation of patients. One-way ANOVA results indicated statistically significant differences (p <0.05) between academics, clinicians, consumers and decision-makers on approximately 5% of quality measure ratings. The majority (85% of the 5%) of these differences involved consumer stakeholders. CONCLUSION: A small set of specific consensus measures were identified through a rigorous, evidence-informed process. These measures can be used for system-wide changes or at the individual practice level. Although these measures have been developed within a Canadian context, the methodology utilised and the measures selected can be adapted elsewhere.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».