Empowering patients of a mental rehabilitation center in a low-resource context: a Moroccan experience as a case study
Notice bibliographique
Résumé
Mental, neurological and substance use (MNS) disorders represent a major source of disability and premature mortality worldwide. However, in developing countries patients with MNS disorders are often poorly managed and treated, particularly in marginalized, impoverished areas where the mental health gap and the treatment gap can reach 90%. Efforts should be made in promoting help by making mental health care more accessible. In this article, we address the challenges that psychological and psychiatric services have to face in a low-resource context, taking our experience at a Moroccan rehabilitation center as a case study. A sample of 60 patients were interviewed using a semi-structured questionnaire during the period of 2014-2015. The questionnaire investigated the reactions and feelings of the patients to the rehabilitation program, and their perceived psychological status and mental improvement, if any. Interviews were then transcribed and processed using ATLAS.ti V.7.0 qualitative analysis software. Frequencies and co-occurrence analyses were carried out. Despite approximately 30 million inhabitants within the working age group, Morocco suffers from a shortage of specialized health workers. Our ethnographic observations show that psychiatric treatment can be ensured, notwithstanding these hurdles, if a public health perspective is assumed. In resource-limited settings, working in the field of mental health means putting oneself on the line, exposing oneself to new experiences, and reorganizing one's own skills and expertise. In the present article, we have used our clinical experience at a rehabilitation center in Fes as a case study and we have shown how to use peer therapy to overcome the drawbacks that we are encountered daily in a setting of limited resources.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,016 | 0,006 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».