Systematic Medical Appraisal, Referral and Treatment (SMART) Mental Health Programme for providing innovative mental health care in rural communities in India
Notice bibliographique
Résumé
BACKGROUND: India has few mental health professionals to treat the large number of people suffering from mental disorders. Rural areas are particularly disadvantaged due to lack of trained health workers. Ways to improve care could be by training village health workers in basic mental health care, and by using innovative methods of service delivery. The ongoing Systematic Medical Appraisal, Referral and Treatment Mental Health Programme will assess the acceptability, feasibility and preliminary effectiveness of a task-shifting mobile-based intervention using mixed methods, in rural Andhra Pradesh, India. METHOD: The key components of the study are an anti-stigma campaign followed by a mobile-based mental health services intervention. The study will be done across two sites in rural areas, with intervention periods of 1 year and 3 months, respectively. The programme uses a mobile-based clinical decision support tool to be used by non-physician health workers and primary care physicians to screen, diagnose and manage individuals suffering from depression, suicidal risk and emotional stress. The key aim of the study will be to assess any changes in mental health services use among those screened positive following the intervention. A number of other outcomes will also be assessed using mixed methods, specifically focussed on reduction of stigma, increase in mental health awareness and other process indicators. CONCLUSIONS: This project addresses a number of objectives as outlined in the Mental Health Action Plan of World Health Organization and India's National Mental Health Programme and Policy. If successful, the next phase will involve design and conduct of a cluster randomised controlled trial.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».