Overcoming the Challenges Inherent in Conducting Design Research in Mental Health Settings
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: Conducting high-quality design research in a mental health setting presents significant challenges, limiting the availability of high-quality evidence to support design decisions for built environments. Here, we outline key approaches to overcoming these challenges. BACKGROUND: In conducting a rigorous post-occupancy evaluation of a newly built mental health and addictions facility, St. Joseph's Healthcare, Hamilton, we identified a number of systematic barriers associated with conducting design research in mental health settings. METHODS: Our approach to overcoming these barriers relied heavily upon (i) selecting established measures and methods with demonstrated efficacy in a mental health context, (ii) navigating institutional protocols designed to protect vulnerable members of this population, and (iii) designing innovative data collection strategies to increase participation in research by individuals with mental illness. Each of these approaches drew heavily on the expert knowledge of mental health settings and the experiences with mental health, facilities management, and research of a research team that was well integrated within the parent institution. CONCLUSIONS: Engaging multiple stakeholders (e.g., care providers, patients, ethics board, and hospital administrators) contributed their trust and support of the research. Traditionally, post-occupancy evaluation researchers are independent of the facilities they research, yet this is not an effective approach in mental health settings. We found that, in working toward solutions to the three obstacles we described, having team members who were well "networked" within the parent institution was necessary. This approach can turn "gatekeepers" into champions for patients' engagement in the research, which is essential in generating high-quality evidence.
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.
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 | 0,160 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 découle