MétaCan
Menu
Retour à la cohorte
Enregistrement W2922920325 · doi:10.1093/milmed/usy324

Mental Health Care for Service Members and Their Families Across the Globe

2019· article· en· W2922920325 sur OpenAlexaff
Kate McGraw, Jamie Adler, Søren Bo Andersen, Suzanne Bailey, Clare Bennett, Kelly A. Blasko, Andrew D Blatt, Neil Greenberg, Stephanie Hodson, Demietrice Pittman, Aimee C. Ruscio, Christian Stoltenberg, Karyn E Tate, Kanchana Kuruganti

Notice bibliographique

RevueMilitary Medicine · 2019
Typearticle
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensCanadian Armed Forces
Organismes subventionnairesDefense Health AgencyU.S. Department of Defense
Mots-clésMental healthMedicineCompendiumNursingHealth careFocus groupService (business)Public relationsBusinessPolitical sciencePsychiatryGeographyMarketing

Résumé

récupéré en direct d'OpenAlex

The U.S. Defense Department partnered with the International Initiative for Mental Health Leadership on effective leadership and operational practices for delivery of mental health (MH) as well as addiction services throughout the world for Service Members (SM) and beneficiaries. A Military Issues Work Group (MIWG) was established in 2011 to focus on challenges experienced by military SM and beneficiaries among countries. The MIWG found common concerns related to MH care delivery to rural and remote beneficiaries. Gaps in access to care were identified and prioritized to explore. This led to better collaboration and understanding of telemental health (TMH) practices and technology applications (apps) which increase access to care for rural and remote SMs and beneficiaries. An assessment of the number of SMs and dependents distant from MH care services in the USA was conducted, as well as an environmental scan for psychological health-focused mobile apps and TMH services geared toward SM, veterans, and beneficiaries. The MIWG is developing a compendium of existing military TMH programs and apps that address MH concerns and extant literature on use of technology to extend global access to care for military members and their families across the world.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,457
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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

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 Opus0,033
Tête enseignante GPT0,403
Écart entre enseignants0,370 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations8
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMilitary MedicineMême sujetCOVID-19 and Mental HealthTravaux en français237 207