Mental health recovery narratives: their impact on service users and other stakeholder groups
Notice bibliographique
Résumé
Purpose The purpose of this paper is twofold: first, assess the effects of the peers’ recovery narratives on service users’ perceived mental health recovery; and second, explore various stakeholders’ perspectives on the program, specifically its facilitators and barriers. Design/methodology/approach The study used a convergent mixed-method design. First, a pre-test post-test design was used with service users to evaluate the peer recovery narrative program. They completed the Recovery Assessment Scale (RAS) and participated in qualitative interviews that explored perspectives on their mental health recovery before and after the program. Second, a cross-sectional design was used to explore stakeholder groups’ perspectives on the recovery narrative program immediately after listening to the narratives. Findings While findings show that there was no statistical difference between scores on the RAS before and after the peer narratives, thematic analysis revealed a change in service users’ understanding of recovery post-narratives. Other stakeholder groups confirmed this change. However, some healthcare professionals questioned the universal positive effects of the peer recovery narrative program on service users. Stakeholders agreed that beyond effects of the peer recovery narrative program on service users, there were also positive effects among the peers themselves. Originality/value To the authors’ knowledge, this is the first Canadian study, and one of the first studies to rely on mixed-methods and various stakeholder groups to evaluate the impact of peer recovery narratives on service users. The research, thus, fills a knowledge gap on peer recovery narratives.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,008 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».