MétaCan
Menu
Retour à la cohorte
Enregistrement W276089283 · doi:10.1097/yco.0000000000000166

Service provision to physicians with mental health and addiction problems

2015· review· en· W276089283 sur OpenAlexaboutno aff
María Dolores Braquehais, Andrew Tresidder, Robert L. DuPont

Notice bibliographique

RevueCurrent Opinion in Psychiatry · 2015
Typereview
Langueen
DomaineHealth Professions
ThématiqueHealthcare professionals’ stress and burnout
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychological interventionMental healthMedicineAddictionSick leaveFamily medicineNursingPsychiatry

Résumé

récupéré en direct d'OpenAlex

PURPOSE OF REVIEW: Physicians are reluctant to ask for help when they suffer from substance use disorders and/or other mental illnesses (i.e. when they become 'sick doctors'). This can result in greater morbidity/mortality and may lead to significant problems in medical practice. This review aims to describe the nature and development of programs that specifically treat sick doctors [Physician Health Programs (PHPs)]. RECENT FINDINGS: PHPs were first developed in the United States in the late 1970s. The purpose was to identify and treat physicians with problems resulting from mental health issues, mainly substance use disorders. Since then, other PHPs have been developed in Canada, Australia, and the United Kingdom, trying to reach sick doctors, offering counseling or other preventive interventions when needed. New models to help sick doctors, such as the Spanish PHP, were also developed. Counseling and support services for sick doctors have been implemented elsewhere in Europe (e.g. Norway and Switzerland). SUMMARY: PHPs provide interventions specifically designed for physicians and other medical professionals with substance use and other mental health problems. The balance between guaranteeing safe practice and yet encouraging all physicians to ask for help when in trouble raises questions regarding how these programs should be designed.

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)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,158
Tête enseignante GPT0,516
Écart entre enseignants0,358 · 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'étudeSans objet
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

Citations38
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Opinion in PsychiatryMême sujetHealthcare professionals’ stress and burnoutTravaux en français237 207