MétaCan
Menu
Retour à la cohorte
Enregistrement W3030319415 · doi:10.1177/1049732320919094

Older Adults’ Narratives of Seeking Mental Health Treatment: Making Sense of Mental Health Challenges and “Muddling Through” to Care

2020· article· en· W3030319415 sur OpenAlexafffund
Kristin Reynolds, Maria I. Medved, Corey S. Mackenzie, Laura Funk, Lesley Koven

Notice bibliographique

RevueQualitative Health Research · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMental Health and Patient Involvement
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMental healthNarrativeResistance (ecology)PsychologyMeaning (existential)Narrative inquiryClinical psychologyPsychotherapist

Résumé

récupéré en direct d'OpenAlex

Older adults who experience challenges related to mental health are unlikely to seek professional help. The voices of older adults who have navigated through mental health issues and systems of care to arrive at psychological treatment are less well understood. We conducted individual interviews with 15 adults aged 61 to 86 who sought psychological treatment. Interviews were audio-recorded, transcribed, and analyzed using narrative methods. We identified several main storylines that describe the meaning-making and treatment-seeking journeys of older adults: resistance to being labeled with mental health problems (telling stories of resistance, defining mental health issues in mysterious and uncontrollable terms, and experiencing internal role conflict); muddling through the help-seeking process (manifestations of chaos and system-level barriers); and emotional reactions to psychological treatment (hope, fear, and mistrust). Findings add to the literature base in the area of narrative gerontology, and highlight the complex experiences that older adults face when seeking psychological treatment.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,047

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,018
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0060,007
Communication savante0,0040,006
Science ouverte0,0010,007
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,739
Tête enseignante GPT0,646
Écart entre enseignants0,093 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations33
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueQualitative Health ResearchMême sujetMental Health and Patient InvolvementTravaux en français237 207