Testing the Effectiveness of Implementing a Model of Mental Healthcare Involving Trained Lay Health Workers in Treating Major Mental Disorders Among Youth in a Conflict-Ridden, Low-Middle Income Environment: Part II Results
Notice bibliographique
Résumé
Objectives: To report the outcomes of young people (aged 14-30 years) treated for major mental disorders in a lay health worker (LHW) intervention model in a rural district of conflict-ridden Kashmir, India. Methods: Over a 12-month follow-up, LHWs collected data on symptoms, functioning, quality of life and disability, and patients’ and families’ service engagement and satisfaction. Results: Forty trained LHWs (18 males and 22 females) identified 262 individuals who met the criteria for a diagnosis of a major mental disorder, connected them with specialists for treatment initiation (within 14 days), and provided follow-up and support to patients and families. Significantly more patients (14-30 years) were identified during the 14 months of the project than those in all age groups in the preceding 2 years. At 12 months, 205 patients (78%) remained engaged with the service and perceived it as very helpful. Repeated measures ANOVA showed significant improvements in scores on the global assessment of functioning (GAF) scale (F[df, 3.449] = 104.729, p < 0.001) and all 4 domains of the World Health Organization quality of life (WHOQOL) brief version (WHOQOL-BREF) of the survey—Physical F(df, 1.861) = 40.82; Psychological F(df, 1.845) = 55.490; Social F(df, 1.583) = 25.189; Environment F(df, 1.791) = 40.902, all ps < 0.001—and a decrease in disability (F[df, 1.806] = 4.364, p = 0.016). An interaction effect between time and sex was observed for the physical health domain of the WHOQOL-BREF. Discussion and Conclusions: Our results show that an LHW-based service model, implemented in a rural setting of a low-to-middle income region plagued by long-term conflict, benefits young people with major mental disorders. We discuss the implications of our findings in the context of similar environments and the challenges encountered.
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 | 0,006 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».