Understanding Engagement with a Physical Health Service: A Qualitative Study of Patients with Severe Mental Illness
Notice bibliographique
Résumé
OBJECTIVE: Individuals with severe mental illness (SMI) are disproportionally affected by medical comorbidities, resulting in poor physical health and premature death. Despite this, care for chronic medical conditions is suboptimal, and there is limited research that explores this phenomenon from the patient's perspective. The aim of this study was to identify barriers and facilitators of engagement with a physical health service experienced by individuals with SMI. METHODS: Adults with SMI were recruited from a large psychiatric hospital and offered referral to a physical health service focused on the prevention and treatment of obesity and diabetes. Interviews were conducted at referral, 3, and 6 months. Data from 56 interviews of 24 participants were analyzed using the framework method to identify factors influencing engagement. RESULTS: Barriers to engagement were identified at individual, medical program, and health system levels. Factors influencing the individual experience included difficulty in care coordination, affective symptomatology, and ability to bond with providers. Factors at the program level included difficulty adjusting to the clinic environment and the inability to achieve treatment goals. Factors at the system level included challenges in attending multiple appointments in a fragmented health system, lack of social support, and financial constraints. CONCLUSIONS: This qualitative study suggests that traditional models of medical care for chronic conditions pose challenges for many individuals with SMI and contribute to health disparities. Adaptation of medical care to populations with SMI and close collaboration between medical and mental health services are necessary to improve medical care and, subsequently, health outcomes.
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 | 0,014 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,011 | 0,009 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».