Task-shifting within health care systems – a general review of the literature and implications for mental healthcare
Notice bibliographique
Résumé
Background There have been a growing interest in the effectiveness of task-shifting as a strategy for targeting expanding health care demands in settings with shortages of qualified health personnel. Aims To explore the reasons for task-shifting and the healthcare settings in which task-shifting are successfully applied as well as the challenges associated with task shifting. Methods Literature searches were conducted on PubMed and Google Scholar using the search term – ‘Task shifting’ and Task-shifting’. Results Reasons for task-shifting including: a reduction in the time needed to scale up the health workforce, improving the skill mix of teams, lowering the costs for training and remuneration, supporting the retention of existing cadres by reducing burnout from inefficient care processes and mitigating a health system's dependence on highly skilled individuals for specific services. Clinical settings in which task-shifting models of care have been successfully implemented, include: HIV/AIDS care, epilepsy and tuberculosis care, hypertension and diabetes care and mental healthcare. Finally, challenges which hinder the successful implementation of task-shifting models of care, include professional and institutional resistance, concern about the quality of care provided by lower lever health cadres and lack of regulatory and policy frameworks as well as funding to support task-shifting programmes. Conclusion The review brings to light important health policy and research priorities which can be explored to identify the feasibility of using task-shifting models of care to address the critical shortage of health personnel in managing emerging communicable and non-communicable diseases, including opportunities for expanding mental health care in conflict and under-resourced regions globally. Disclosure of interest The author has not supplied his/her declaration of competing interest.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,012 | 0,017 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».