MétaCan
Menu
← Retour à la cohorte
Enregistrement W2602796511 · doi:10.1186/s12913-017-2153-z

The role of consumer perspectives in estimating population need for substance use services: a scoping review

2017· review· en· W2602796511 sur OpenAlexafffund
Elaine Hyshka, Kamagaju Karekezi, Benjamin Kye Jyn Tan, Linda Slater, Jesse Jahrig, T. Cameron Wild

Notice bibliographique

RevueBMC Health Services Research · 2017
Typereview
Langueen
DomaineMedicine
ThématiqueSubstance Abuse Treatment and Outcomes
Établissements canadiensHealth Sciences CentreAlberta Health ServicesRoyal Alexandra HospitalUniversity of Alberta
Organismes subventionnairesAlberta InnovatesKillam TrustsAlberta Innovates - Health SolutionsAlberta HealthGovernment of Alberta
Mots-clésNursing researchPopulationService (business)Health administrationService providerMedicineMarketingPublic healthBusinessNursingEnvironmental health

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: A growing body of research assesses population need for substance use services. However, the extent to which survey research incorporates expert versus consumer perspectives on service need is unknown. We conducted a large, international review to (1) describe extant research on population need for substance use services, and the extent to which it incorporates expert and consumer perspectives on service need, (2) critically assess methodological and measurement approaches used to study consumer-defined need, and (3) examine the potential for existing research that prioritizes consumer perspectives to inform substance use service system planning. METHODS: Systematic searches of seven databases identified 1930 peer-reviewed articles addressing population need for substance use services between January 1980 and May 2015. Empirical studies (n = 1887) were categorized according to source(s) of data used to derive population estimates of service need (administrative records, biological samples, qualitative data, and/or quantitative surveys). Quantitative survey studies (n = 1594) were categorized as to whether service need was assessed from an expert and/or consumer perspective; studies employing consumer-defined need measures (n = 217) received further in-depth quantitative coding to describe study designs and measurement strategies. RESULTS: Almost all survey studies (96%; n = 1534) used diagnostically-oriented measures derived from an expert perspective to assess service need. Of the small number (14%, n = 217) of survey studies that assessed consumer's perspectives, most (77%) measured perceived need for generic services (i.e. 'treatment'), with fewer (42%) examining self-assessed barriers to service use, or informal help-seeking from family and friends (10%). Unstandardized measures were commonly used, and very little research was longitudinal or tested hypotheses. Only one study used a consumer-defined need measure to estimate required service system capacity. CONCLUSIONS: Rhetorical calls for including consumer perspectives in substance use service system planning are belied by the empirical literature, which is dominated by expert-driven approaches to measuring population need. Studies addressing consumer-defined need for substance use services are conceptually underdeveloped, and exhibit methodological and measurement weaknesses. Further scholarship is needed to integrate multidisciplinary perspectives in this literature, and fully realize the promise of incorporating consumer perspectives into substance use service system planning.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,060
score de la tête « metaresearch » (Gemma)0,202
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,060
Score d'incertitude au seuil0,320

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0600,202
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0050,007
Bibliométrie0,0420,030
Études des sciences et des technologies0,0010,003
Communication savante0,0080,008
Science ouverte0,0030,004
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,303
Tête enseignante GPT0,551
Écart entre enseignants0,248 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC Health Services Research→Même sujetSubstance Abuse Treatment and Outcomes→Travaux en français237 207→