Strategies for engaging patients and families in collaborative care programs for depression and anxiety disorders: A systematic review
Notice bibliographique
Résumé
BACKGROUND: Patients and families are often referred to as important partners in collaborative mental health care (CMHC). However, how to meaningfully engage them as partners remains unclear. We aimed to identify strategies for engaging patients and families in CMHC programs for depression and anxiety disorders. METHODS: We updated a Cochrane review of CMHC programs for depression and anxiety disorders. Searches were conducted in Cochrane CCDAN and CINAHL, complemented by additional database searches, trial registry searches, and cluster searches for 'sibling' articles. Coding and data extraction of engagement strategies was an iterative process guided by a conceptual framework. We used narrative synthesis and descriptive statistics to report on findings. FINDINGS: We found 148 unique CMCH programs, described in 578 articles. Most programs (96%) featured at least one strategy for engaging patients or families. Programs adopted 15 different strategies overall, with a median of two strategies per program (range 0-9 strategies). The most common strategies were patient education (87% of programs) and self-management supports (47% of programs). Personalized care planning, shared decision making, and family or peer supports were identified in fewer than one third of programs. LIMITATIONS: Our search strategy was designed to capture programs evaluated in clinical trials and so other innovative programs not studied in trials were likely missed. CONCLUSION: Most CMHC programs for depression and anxiety disorders adopted a limited number of strategies to engage patients and families in their care. However, this review identifies numerous strategies that can be used to strengthen the patient- and family-centeredness of collaborative care.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».