Le rapport d’usagers de maisons d’hébergement en santé mentale à leur environnement immédiat : une étude socio-écologique
Notice bibliographique
Résumé
Au cours de sa vie, un Canadien sur cinq souffrira d’une maladie mentale, diagnostiquée ou non, selon les données du plan d’action en santé mentale (2015-2020). De plus, les troubles mentaux, qui constituaient en 2004 « 13% de la charge totale de morbidité à l’échelle mondiale » (OMS, 2013), sont destinés à constituer la principale cause de morbidité en 2030 (Fleury et Grenier, 2012). Face à ces constats, des nombreux plans d’action aux niveaux national et international soulignent l’urgence de nouvelles solutions de soin mais aussi de logement pour ces personnes aux prises avec un trouble mental. Puisque le logement est un concept large, qui comprend non seulement la structure résidentielle en tant que telle, mais également son environnement immédiat, il est essentiel de l’appréhender dans toute sa complexité. Investiguer la relation que les résidents en santé mentale entretiennent avec leur environnement immédiat devient ainsi une étape incontournable de la réflexion sur le logement en santé mentale. Adoptant l’optique, avancée par l’OMS (2013), qui voit l’environnement comme un déterminant de la santé, y compris de la santé mentale, nous nous intéressons à l’étude des trajectoires des résidents en santé mentale pour répondre à la question de recherche suivante : Quels rapports les usagers des maisons d’hébergement en santé mentale instaurent-ils avec leur milieu de vie et leur quartier ? Comprendre comment ces personnes utilisent l’espace, se l’approprient, s’y déplacent, mais aussi quels obstacles ils y retrouvent et quels soutiens sont possibles, nous permettra de comprendre comment agir sur le territoire pour en faire le plus possible un outil favorable au bien-être. Pour répondre à notre question de recherche, nous avons conçu un dispositif méthodologique en deux phases que nous avons mis en œuvre à partir de 4 maisons d’hébergement en santé mentale. Quatorze résidents ont d’abord répondu à 26 questions ouvertes pendant une entrevue individuelle structurée, à la fin de laquelle ils ont dessiné la carte mentale de leur quartier. Ensuite, nous avons organisé 4 groupes de discussion, un dans chaque maison, qui ont réuni les participants de la première phase y demeurant. Le corpus de données recueillies nous a permis d’avancer des recommandations pour le choix des nouveaux sites d’implantation des logements en santé mentale. Ces recommandations se concentrent sur quatre aspects de l’environnement immédiat, physico-spatial comme social : les services de proximité, les transports en commun, les éléments naturels et la communauté. Nos conclusions permettent un regard plus compréhensif de l’environnement immédiat des ressources résidentielles en santé mentale, puisque les points de vue et les expériences de leurs usagers sont directement pris en compte. Nos recommandations fournissent, par conséquent, aux décideurs un outil supplémentaire dans le processus de sélection des sites d’implantation. Finalement, des nouvelles recherches capables d’approfondir les effets des caractéristiques environnementales ayant émergé de notre étude, sur le bien-être des résidents en santé mentale, sont souhaitables.
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 | 0,010 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,007 | 0,008 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».