Evaluating the measurement of mental health service accessibility, acceptability, and availability in the Canadian Community Health Survey.
Notice bibliographique
Résumé
Given the underutilization of mental health services by those with mental health problems, growing attention has focused on barriers to utilizing services. Several researchers have used the Canadian Community Health Survey (CCHS) cycle 1.2 dataset, including measures of barriers because of accessibility, acceptability, and availability, to explore the gap between mental health service need and use. Because the psychometric properties of these barrier measures have not been evaluated, the reliability and validity of the 3 measures were examined in the present study. Confirmatory factor analyses were conducted using data from CCHS participants who had indicated unmet need regarding information on mental illness and its treatments; availability of services, medication, and psychotherapy or counseling (n = 353); as well as the full sample of participants reporting any unmet need in the past year (n = 1,784). The hypothesized 3-factor model (i.e., accessibility, acceptability, and availability) failed to converge with both samples. Exploratory factor analysis was conducted using data from the full sample (n = 1,784), and a possible 2-factor solution was obtained. Reliability analyses on this 2-factor model, as well as the 3-factor model included in the CCHS, demonstrated that internal consistency values failed to attain acceptable levels of reliability (i.e., α < .70). Based on these analyses, these barrier measures are neither reliable nor valid. These measures should not be used to examine barriers to service within the CCHS 1.2 dataset, and caution should be exercised in interpreting the findings of studies that used these measures.
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 | 0,042 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».