MétaCan
Menu
Retour à la cohorte
Enregistrement W2346879488 · doi:10.3928/02793695-20160420-04

Clinical Use of an Autovideography Intervention to Support Recovery in Individuals with Severe Mental Illness

2016· article· en· W2346879488 sur OpenAlexaff
Sheila J. Linz, Nancy P. Hanrahan, Marissa DeCesaris, Ryan Petros, Phyllis Solomon

Notice bibliographique

RevueJournal of Psychosocial Nursing and Mental Health Services · 2016
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMental Health and Patient Involvement
Établissements canadiensHealth Sciences North
Organismes subventionnairesnon disponible
Mots-clésMental illnessMental healthPsychosocialThematic analysisIntervention (counseling)PsychologyReciprocity (cultural anthropology)NursingParticipatory action researchPsychiatryMedicineQualitative researchSocial psychology

Résumé

récupéré en direct d'OpenAlex

The current authors introduced an innovative autovideography intervention asking mental health consumers to use video cameras for 1 month to tell about their recovery. The research approach was based on a participatory research model with workers and consumers of a recovery education center fully involved with the study design and implementation. Twelve individuals who had graduated from a recovery program participated. The participant-produced videos were qualitatively analyzed using thematic analysis. The use of autovideography was found to be feasible and can be used clinically to support the process of recovery by providing opportunities for reciprocity, self-reflection, and advocacy. Consumer-produced videos provide a voice to inform others with and without mental illness about the concerns of individuals with mental illness and the process of recovery. [Journal of Psychosocial Nursing and Mental Health Services, 54(5), 33-40.].

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)0,003
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,363
Score d'incertitude au seuil0,534

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,102
Tête enseignante GPT0,478
Écart entre enseignants0,376 · 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'étudeObservationnel
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

Citations8
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Psychosocial Nursing and Mental Health ServicesMême sujetMental Health and Patient InvolvementTravaux en français237 207