Local Health Department Engagement in Access to Mental Health Services and Mental Health Policy or Advocacy Activities
Notice bibliographique
Résumé
CONTEXT: Mental health is a public health concern that requires national attention at the local level. Major issues facing local health departments (LHDs) to actively engage in mental health activities include inadequate surveillance data and limited resources. OBJECTIVE: To examine the levels of engagement in access to mental health services, as well as policy or advocacy activities, by LHDs characteristics. DESIGN: The study design is cross-sectional based on the national survey of LHDs. We analyzed the survey data from the National Association of County and City Health Officials' 2019 Profile study. Logistic regression was performed with 6 levels of engagement in mental health activities as the outcome measures. RESULTS: LHDs reported that a majority had assessed the gaps in access to mental health (57.69%), followed by other activities-had implemented strategies to increase access to mental health (48.77%), implemented strategies to target underserved populations (40.66%), evaluated strategies to target underserved populations (38.84%), engaged in policy/advocacy to address mental health (32.27%), and finally addressed gaps through provision of mental health (22.31%). LHDs' governance structure was strongly associated with engagement in all 6 mental health activities. LHDs that had performed improvement processes, had behavioral health staff, and had cross-jurisdictional sharing were more likely to be engaged in all 6 of the mental health activities. LHDs were also more likely to be engaged in 5 of the 6 mental health activities if they had some relationships with faith communities and in 4 of the 6 mental health activities if they had some relationships with community health centers. CONCLUSIONS: Levels of engagement in mental health policy or advocacy activities among LHDs were low and varied by LHD characteristics. Intervention strategies may include encouraging LHDs to actively engage in mental health activities, participating in Public Health Accreditation Board accreditation program, and incentivizing mental health workforce retention.
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 | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 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 ».