Interventions to increase access to or uptake of physical health screening in people with severe mental illness: a realist review
Notice bibliographique
Résumé
OBJECTIVES: To identify and evaluate interventions aimed at increasing uptake of, or access to, physical health screening by adults with severe mental illness; to examine why interventions might work. DESIGN: Realist review. SETTING: Primary, secondary and tertiary care. RESULTS: A systematic search identified 1448 studies, of which 22 met the inclusion criteria. Studies were from Australia (n=3), Canada (n=1), Hong Kong (n=1), UK (n=11) and USA (n=6). The studies focused on breast cancer screening, infection preventive services and metabolic syndrome (MS) screening by targeting MS-related risk factors. The interventions could be divided into those focusing on (1) health service delivery changes (12 studies), using quality improvement, randomised controlled trial, cluster randomised feasibility trial, retrospective audit, cross-sectional study and satisfaction survey designs and (2) tests of tools designed to facilitate screening (10 studies) using consecutive case series, quality improvement, retrospective evaluation and pre-post audit study designs. All studies reported improved uptake of screening, or that patients had received screening they would not have had without the intervention. No estimation of overall effect size was possible due to heterogeneity in study design and quality. The following factors may contribute to intervention success: staff and stakeholder involvement in screening, staff flexibility when taking physical measurements (eg, using adapted equipment), strong links with primary care and having a pharmacist on the ward. CONCLUSIONS: A range of interventions may be effective, but better quality research is needed to determine any effect size. Researchers should consider how interventions may work when designing and testing them in order to target better the specific needs of this population in the most appropriate setting. Behaviour-change interventions to reduce identified barriers of patient and health professional resistance to screening this population are required. Resource constraints, clarity over professional roles and better coordination with primary care need to be addressed.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».